UNIJUÍ - UNIVERSIDADE REGIONAL DO NOROESTE DO ESTADO DO RIO GRANDE DO SUL FÁBIO RONEI RODRIGUES PADILHA

Tamanho: px
Começar a partir da página:

Download "UNIJUÍ - UNIVERSIDADE REGIONAL DO NOROESTE DO ESTADO DO RIO GRANDE DO SUL FÁBIO RONEI RODRIGUES PADILHA"

Transcrição

1 UNIJUÍ - UNIVERSIDADE REGIONAL DO NOROESTE DO ESTADO DO RIO GRANDE DO SUL FÁBIO RONEI RODRIGUES PADILHA RECONHECIMENTO DE VARIEDADES DE SOJA ATRAVÉS DO PROCESSAMENTO DE IMAGENS DIGITAIS USANDO REDES NEURAIS ARTIFICIAIS Ijuí 2007

2 FÁBIO RONEI RODRIGUES PADILHA RECONHECIMENTO DE VARIEDADES DE SOJA ATRAVÉS DO PROCESSAMENTO DE IMAGENS DIGITAIS USANDO REDES NEURAIS ARTIFICIAIS Dissertação de Mestrado apresentada ao Programa de Pós-Graduação do Departamento de Física Estatística e Matemática da Universidade Regional do Noroeste do Estado do Rio Grande do Sul para a obtenção do título de Mestre em Modelagem Matemática. Orientador: Prof. Dr. Oleg Khatchatourian Ijuí 2007

3 UNIJUÍ - UNIVERSIDADE REGIONAL DO NOROESTE DO ESTADO DO RIO GRANDE DO SUL DeFEM DEPARTAMENTO DE FÍSICA, ESTATÍSTICA E MATEMÁTICA DeTEC DEPARTAMENTO DE TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM MODELAGEM MATEMÁTICA A Comissão Examinadora, abaixo assinada, aprova a Dissertação RECONHECIMENTO DE VARIEDADES DE SOJA ATRAVÉS DO PROCESSAMENTO DE IMAGENS DIGITAIS USANDO REDES NEURAIS ARTIFICIAIS Elaborada por FÁBIO RONEI RODRIGUES PADILHA Como requisito para a obtenção do grau de Mestre em Modelagem Matemática Comissão Examinadora Prof. Dr. Oleg Khatchatourian - UNIJUÍ (Orientador) Prof. Dr. Fernando Pedro Reis Brod - Kepler Weber Prof. Dr. Luciano Pivoto Specht - UNIJUÍ Ijuí, RS, 28 de Fevereiro de 2007.

4 Aos meus pais, Nelson (in memorian) e Ordalina, pelo amor, carinho, dedicação e estímulo que sempre ofereceram, pelas angústias e preocupações passadas por minha causa, dedico-lhes essa conquista como gratidão.

5 AGRADECIMENTOS A Deus, por ter-me concedido saúde, luz, força e perseverança necessárias para que eu superasse todas as adversidades e seguisse em frente rumo à conquista de mais uma importante etapa na minha vida. Aos meus pais, Nelson (in memorian) e Ordalina, que independente das dificuldades, mostraram-me sempre o caminho certo a seguir, participando incansavelmente de minhas alegrias e tristezas, dando sugestões importantes na escolha das melhores oportunidades. Aos meus irmãos Marta, Júlio e Juliano (in memorian), pela amizade, alegria e bons momentos compartilhados. A Camila, que sempre esteve ao meu lado, mostrando-se amiga e companheira, que com muito amor e carinho deram-me suporte para enfrentar os problemas encontrados. Ao meu orientador Prof. Dr. Oleg Khatchatourian pela orientação, pela dedicação, pelo constante incentivo, pela paciência e pela amizade, com os quais foi possível a concretização deste trabalho. Aos meus amigos e colegas Delair e Gustavo, que compartilharam comigo cada dia a dia, dividindo sucessos, angústias, conquistas e fracassos, sempre com muita amizade. Aos colegas do curso pelos bons momentos vividos durante estes dois anos de convivência. A Geni, que com muita disposição, demonstrou-se sempre atenciosa as dúvidas e solicitações realizadas. A todos os professores do mestrado e funcionários do Departamento de Física, Estatística e Matemática pelo conhecimento e dedicação. A CAPES e a UNIJUÍ pelo apoio financeiro a esta pesquisa.

6 É muito melhor arriscar coisas grandiosas, alcançar triunfos e glórias, mesmo expondo-se a derrota, do que formar fila com os pobres de espírito que nem gozam muito, nem sofrem muito, porque vivem nessa penumbra cinzenta que não conhece vitória nem derrota. Theodore Roosevelt

7 RESUMO Neste trabalho foram aplicadas Redes Neurais Artificiais (RNA) auxiliadas pelo Processamento de Imagens Digitais (PID) com a finalidade de identificar algumas variedades de soja analisando para isto a forma e tamanho dos grãos. O objetivo é utilizar uma metodologia para diminuir gastos relacionados à área da agricultura, visando contribuir com estudos que se baseiam na taxonomia das variedades. Atualmente, isto é determinado por inspeção visual, uso de produtos químicos e testes de DNA, com alto custo. A forma e tamanho dos grãos são normalmente empregados para identificação das variedades. Por se tratarem de características hereditárias, geralmente são influenciadas por mudanças no ambiente, especialmente durante o aumento da umidade dos grãos. Por este motivo, foram selecionadas sementes que se encontravam em torno de 10% de umidade, permitindo assim, diminuir esta influência na variação da forma dos grãos durante as análises. Para um estudo de caso, foram coletadas no laboratório de sementes da Cooperativa Agropecuária e Industrial (COTRIJUÍ), com sede no município de Ijuí/RS, as seguintes variedades de soja: EMBRAPA 133 (BRS 133), EMBRAPA 184 (BRS 184), COODETEC 205 (CD 205), COODETEC 206 (CD 206), EMBRAPA 48 (EMB 48), SYNGENTA 8350 (NK 8350), FEPAGRO 10 (RS 10) e MONSOY 8000 RR (MSOY 8000 RR), safra 2005/2006. O processamento das imagens foi dividido em cinco etapas descritas a seguir. Aquisição da imagem: As imagens da amostra de cada variedade foram fotografadas por uma máquina fotográfica Coolpix995, Nikon, com resolução de 3.34 megapixels. Pré-processamento: Um filtro de anti-aliasing foi aplicado para obter tons acinzentados da imagem. Segmentação: Estando os grãos da imagem separados, foi usado o Método de Prewitt para detecção das bordas dos grãos, dilatação dessas bordas e remoção de segmentos não necessários para avaliação. Representação: As características da morfologia de cada grão foram extraídas do resultado da segmentação. Assim, cada grão foi numerado sequencialmente, facilitando sua representação. Concluindo esta fase, as matrizes correspondentes a cada grão foram transformadas em vetores colunas que serviram como dados de contribuição para rede neural da próxima etapa. Reconhecimento e Interpretação: Foram inseridos os dados providos pela fase prévia em uma RNA para identificar os padrões morfológicos dos grãos. A rede configurada foi composta de neurônios na camada de entrada, 90 neurônios na 1ª camada oculta, 70 neurônios na 2ª camada oculta, 60 neurônios na 3ª camada oculta e 8 neurônios na camada de saída, utilizando como função de transferência entre os neurônios à função sigmóide (logística). O treinamento da rede foi realizado através do algoritmo de aprendizagem backpropagation - multilayer feedforward network para alguns padrões referindo-se as características das variedades. A precisão de classificação ficou acima de um terço do total de grãos analisados por cada cultivar. Os resultados mostraram que o modelo de redes neurais foi capaz de identificar as variedades de soja mostrando-se uma ferramenta eficaz no processo de reconhecimento. As simulações realizadas permitiram escolher a arquitetura de RNA (número de camadas e de neurônios) garantindo um bom desempenho.

8 ABSTRACT In this work were applied Artificial Neural Network (RNA) assisted by the Digital Images Processing (PID) with the purpose of identify some soya beans varieties analyzing for this the grains shape and size. The goal is to use a methodology to decrease expenses related to the agriculture area, aiming contribute with studies that are based in taxonomy of varieties. Currently, that is determined for visual inspection, DNA and tests using chemical products, with high cost. The grains shape and size are currently use for varieties identification. By they care for hereditary characteristics, are generally influenced by changes in the environment, especially during the grains humidity increase. Therefore, they were selected seeds that were found around of the 10% of humidity, allowing thus, decrease this variation influence in the grains shape during the analyses. For a study of case, they were collected in the laboratory of seeds of the Cooperative Agriculture and Industrial COTRIJUÍ, with venue in municipality of Ijuí/RS, the next varieties of soya beans: EMBRAPA 133 (BRS 133), EMBRAPA 184 (BRS 184), COODETEC 205 (CD 205), COODETEC 206 (CD 206), EMBRAPA 48 (EMB 48), SYNGENTA 8350 (NK 8350), FEPAGRO 10 (RS 10) and MONSOY 8000 RR (MSOY 8000 RR), harvest 2005/2006. The image processing was divided in five stages to follow. Acquisition of the images: The samples images of each variety were photographed by camera Coolpix995, Nikon, with resolution of 3.34 megapixels. Preprocessing: The anti-aliasing filter was applied to obtain ash-grey tones of the image. Segmentation: Being the separated image grains, it was used Method of Prewitt for grains edges detection, dilation of these edges and removal of segments not necessary for evaluation. Representation: The characteristics of morphology of each grain were extracted of the result of segmentation. Therefore, each grain was numbered for a subsequent numbering, facilitating your representation. Concluding this stage, the matrixes corresponding to each grain were transformed in vectors columns that served as input data in the neural network in the next stage. Recognition and interpretation: They were inserted the data provided by the previous stage in RNA to identify the grains morphologic patterns. The configured net was composed of neurons in the input layer, 90 neurons in the 1st hidden layer, 70 neurons in the 2nd hidden layer, 60 neurons in the 3rd hidden layer and 8 neurons in the output layer, using eat transfer function between neurons the function sigmoid (logistic). The training of a network was realized by algorithm backpropagation multilayer feedforward network for some patterns referring varieties characteristics. The classification precision stayed above a third from the grains total analyzed by each variety. The results showed that the neural network model was able to identify the soya bean varieties showing an effective tool in the recognition process. The accomplished simulations allowed to choose RNA architecture (layers number and of neurons) guaranteeing a good performance.

9 SUMÁRIO INTRODUÇÃO REVISÃO BIBLIOGRÁFICA INTRODUÇÃO ANÁLISE DE SEMENTES Importância das Sementes como Material de Pesquisa Laboratório de Análise de Sementes Dimensões Características Definição de Variedade Normas para Identificação de Cultivares Tamanho das Sementes Beneficiamento SOJA Análise de Sementes de Soja Variedades de Soja Tamanho da Semente de Soja e Qualidade Fisiológica Identificação de Cultivares Características de algumas Cultivares de Soja IMAGENS DIGITAIS Definição Pixel e Conectividade PROCESSAMENTO DE IMAGENS DIGITAIS Aquisição da Imagem Pré-Processamento Segmentação Representação e Descrição Reconhecimento e Interpretação REDES NEURAIS ARTIFICIAIS Definição Redes Neurais Biológicas Histórico das Redes Neurais Artificiais Classificação das Redes Neurais Rede Perceptron...51

10 1.6.6 Mapeamento do Cérebro e da Máquina Arquitetura e Topologia das Redes Neurais MATERIAIS E MÉTODOS INTRODUÇÃO ESCOLHA DOS CULTIVARES ANÁLISE ESTATÍSTICA DAS DIMENSÕES APLICAÇÃO DE REDES NEURAIS NO PROCESSAMENTO DE IMAGENS PROCESSAMENTO DAS IMAGENS ARQUITETURA DA REDE NEURAL TREINAMENTO DA REDE NEURAL Algoritmo de treinamento RESULTADOS E DISCUSSÕES INTRODUÇÃO RESULTADO DA ANÁLISE ESTATÍSTICA DAS DIMENSÕES ETAPAS DO TREINAMENTO DA RNA TESTES REALIZADOS Reconhecimento dos Padrões Análise de Reconhecimento...81 CONCLUSÃO...86 REFERÊNCIAS BIBLIOGRÁFICAS...88 APÊNDICE A - FLUXOGRAMA DO ALGORITMO DE TREINAMENTO...94

11 LISTA DE FIGURAS Figura 1: Representação das três dimensões do elipsóide (Fonte: Weber, 2001)...22 Figura 2: (A) Vista lateral da semente de soja. (B) Vista frontal da semente de soja (Fonte: Embrapa Soja, 2000)...30 Figura 3: Cultivar BRS Figura 4: Cultivar BRS Figura 5: Cultivar CD Figura 6: Cultivar CD Figura 7: Cultivar EMB Figura 8: Cultivar NK Figura 9: Cultivar RS Figura 10: Cultivar MSOY 8000RR...39 Figura 11: Imagem Monocromática "Goldhill" para destaque de uma região de 17x17 pixels...40 Figura 12: Ilustração de tipos de conectividade de pixels vizinhos...41 Figura 13: Etapas de um sistema de PID...43 Figura 14: Neurônio Biológico (KOVACS, 1996)...47 Figura 15: Taxonomia das Redes Neurais...50 Figura 16: Neurônio Artificial projetado por McCulloch...52 Figura 17: Rede neural tipo MLP (Fonte: Tatibana, 2006)...52 Figura 18: Representação das direções de propagação do sinal funcional e do erro (Fonte: Ramos, 2001)...53 Figura 19: Gráficos das funções de transferência (Fonte: MATLAB Versão 7.0)...57 Figura 20: Imagem original dos grãos de soja...60 Figura 21: Imagem em tons de cinza...61 Figura 22: Bordas detectadas pelo Método de Prewitt...61 Figura 23: Dilatação dos contornos...62 Figura 24: Preenchimento dos grãos...62 Figura 25: Limpeza das bordas dos grãos e remoção dos contornos descontínuos...63 Figura 26: Remoção de objetos menores que 700 pixels...63 Figura 27: Imagem original com os grãos identificados...64 Figura 28: Representação do grão através da matriz...65 Figura 29: Imagem binária do grão de soja...67

12 Figura 30: Arquitetura da rede neural utilizada...68 Figura 31: Vetores objetivos...69 Figura 32: Dados de convergência durante o treinamento...77 Figura 33: Curva de convergência do erro SSE durante o treinamento...78 Figura 34: Esboço das imagens utilizadas para avaliação da RNA...82 Figura 35: Influência do tamanho do estrato amostral sobre o reconhecimento da variedade BRS Figura 36: Influência do tamanho do estrato amostral sobre o reconhecimento da variedade BRS Figura 37: Influência do tamanho do estrato amostral sobre o reconhecimento da variedade CD Figura 38: Influência do tamanho do estrato amostral sobre o reconhecimento da variedade CD Figura 39: Influência do tamanho do estrato amostral sobre o reconhecimento da variedade EMB Figura 40: Influência do tamanho do estrato amostral sobre o reconhecimento da variedade NK Figura 41: Influência do tamanho do estrato amostral sobre o reconhecimento da variedade RS Figura 42: Influência do tamanho do estrato amostral sobre o reconhecimento da variedade MSOY 8000RR...85

13 LISTA DE TABELAS Tabela 1: Comparação entre cérebro e computador...55 Tabela 2: Comparação entre computadores e neurocomputadores...55 Tabela 3: Funções de Transferência...57 Tabela 4: Medidas de posição e dispersão do comprimento, largura e espessura da cultivar BRS 133 (N=50)...74 Tabela 5: Medidas de posição e dispersão do comprimento, largura e espessura da cultivar BRS 184 (N=50)...74 Tabela 6: Medidas de posição e dispersão do comprimento, largura e espessura da cultivar CD 205 (N=50)...75 Tabela 7: Medidas de posição e dispersão do comprimento, largura e espessura da cultivar CD 206 (N=50)...75 Tabela 8: Medidas de posição e dispersão do comprimento, largura e espessura da cultivar EMB 48 (N=50)...75 Tabela 9: Medidas de posição e dispersão do comprimento, largura e espessura da cultivar NK 8350 (N=50)...75 Tabela 10: Medidas de posição e dispersão do comprimento, largura e espessura da cultivar RS 10 (N=50)...75 Tabela 11: Medidas de posição e dispersão do comprimento, largura e espessura da cultivar MSOY 8000 RR (N=50)...76 Tabela 12: Comparação estatística das dimensões entre as cultivares (N=50)...76 Tabela 13: Dados de excentricidade e esfericidade das variedades de soja...76 Tabela 14: Resultado da análise da imagem BRS133.jpg...79 Tabela 15: Resultado da análise da imagem BRS184.jpg...79 Tabela 16: Resultado da análise da imagem CD205.jpg...79 Tabela 17: Resultado da análise da imagem CD206.jpg...80 Tabela 18: Resultado da análise da imagem EMB48.jpg...80 Tabela 19: Resultado da análise da imagem NK8350.jpg...80 Tabela 20: Resultado da análise da imagem RS10.jpg...81 Tabela 21: Resultado da análise da imagem MSOY8000RR.jpg...81 Tabela 22: Valores ótimos do reconhecimento para as variedades...85

14 LISTA DE SÍMBOLOS a Eixo maior do sólido [mm] b Eixo médio do sólido [mm] b.u Base úmida [-] BAM Memória Associativa Bidirecional [-] BSB Estado cerebral em uma caixa [-] B4 Conectividade entre quatro neurônios vizinhos [-] B8 Conectividade entre oito neurônios vizinhos [-] c Eixo menor do sólido [mm] D Diâmetro linear máximo da partícula [mm] l D Diâmetro da esfera de mesmo volume da partícula [mm] p DNA Ácido desoxirribonucléico [-] E Erro entre a saída da rede neural com a saída desejada [-] t E Margem de erro aceita pela rede neural [-] EP Elemento de processamento [-] f ( a) Função de ativação [-] f ( x, y ) Função bidimensional da intensidade luminosa [-] G Grau de esfericidade [adimensional] T J Matriz jacobiana [-] JPEG Joint photographic experts group [-] K+ Potássio [-] MLP Perceptron de múltiplas camadas [-] N Número de grãos por amostra de variedade de soja [-] Na Sódio [-] PID Processamento de Imagens Digitais [-] R Número de entradas da rede neural [-] RAS Regras para análise de sementes [-] RNA Rede Neural Artificial [-] S 1 Número de neurônios na 1ª camada da rede neural [-] S 2 Número de neurônios na 2ª camada da rede neural [-] S 3 Número de neurônios na 3ª camada da rede neural [-]

15 S 4 Número de neurônios na camada de saída da rede neural [-] t Vetor de saída desejado pela rede neural [-] USB Universal serial bus [-] V Volume médio dos grãos de soja [mm 3 ] V Volume da esfera circunscrita [mm 3 ] ec V Volume do sólido [mm 3 ] S x Abcissa espacial [-] X Vetor de entradas de um neurônio [-] y Ordenada espacial [-] Y Vetor de saídas de um neurônio [-] SÍMBOLOS GREGOS φ Esfericidade [adimensional] η Constante que define o tamanho do passo do aprendizado [-]

16 16 INTRODUÇÃO O aparecimento de novas tecnologias na área da computação provocou um aumento significativo nas pesquisas de novos algoritmos computacionais que tentam simular o comportamento humano em tarefas cotidianas. Esta tecnologia vem sendo frequentemente usada para auxiliar em vários procedimentos nas mais diversas áreas como, por exemplo, a utilização do computador na realização do processamento de imagens de órgãos, tecidos ou células, adquiridas em exames médicos, a fim de realizar a automação de diagnósticos patológicos, facilitando assim o trabalho dos profissionais, permitindo que os laboratórios mantenham a qualidade ao manipular elevado número de amostras diárias (FAILACE, 1995). Hoje em dia são utilizadas técnicas tradicionais já conhecidas de processamento de imagens, que são implementadas através de cálculos matemáticos. Em destaque a estas pesquisas podem-se citar as Redes Neurais Artificiais. Redes Neurais Artificiais são estruturas computacionais que simulam os cálculos sinápticos realizados pelo sistema nervoso biológico, tentando assim reproduzir a inteligência humana artificialmente. Desde sua criação, tem-se utilizado as RNA para identificação de padrões e assim, imaginou-se a possibilidade de utilizá-las para o reconhecimento de padrões em imagens. A soja é um dos grãos leguminosos de maior importância produzidos no mundo e há algum tempo vem se tornando cada vez mais presente na alimentação da população. Além de possuir um valor acessível de mercado, facilitando sua obtenção em diversas camadas sociais, é responsável por transformações diárias na economia mundial. Os maiores produtores mundiais deste cereal são os Estados Unidos, Brasil e Argentina nos quais a sua produção durante a safra 2005/2006 foram respectivamente, 80, 60 e 42 milhões de toneladas (ANUÁRIO BRASILEIRO DA SOJA, 2005). Em termos mundiais, o plantio de soja atingiu 92,4 milhões de hectares na safra 2004/05. Para 2005/06, há indicativos de que o mundo todo cultivará 91,8 milhões de hectares, que poderão resultar em uma produção global de 220,9 milhões de toneladas (ANUÁRIO BRASILEIRO DA SOJA, 2005). Em se tratando do principal produto agrícola de exportação brasileira, a soja também beneficia o setor secundário, pois ao redor das regiões de sua abrangência criam-se inúmeras indústrias de processamento, que produzem óleos e farelos de soja, assegurando emprego para vários trabalhadores nas mais diversas áreas.

17 17 Para o processo de classificação artificial de grãos de soja é necessário o desenvolvimento de modelos que permitam estabelecer o relacionamento entre a entrada de padrões de classificação, análise/processamento desta informação e convergência para uma saída de classificação definida. A rede neural deve aprender a reconhecer padrões de entrada, que contém valores de propriedades físicas e definir a classe adequada de saída da rede, ou seja, dada à entrada de um determinado vetor de padrão de qualidade, escolher em que categoria/classe de saída este produto será mais bem enquadrado. A rede neural deverá considerar a interatividade de todos os componentes vetoriais de entrada, sendo que cada componente individualmente representa uma propriedade física no processo de classificação. Estes procedimentos podem ser aperfeiçoados pelo desenvolvimento de ferramentas computacionais que facilitem o processamento e análise de imagens realizadas manualmente e sujeitos, muitas vezes à falha humana. O presente estudo avalia a utilização da RNA no processamento dessas imagens, para que se possam identificar as variedades de soja, auxiliando assim os profissionais da agricultura no reconhecimento de padrões presentes em tais produtos. Neste trabalho foram aplicadas Redes Neurais Artificiais para identificação de variedades de soja através da forma e tamanho dos grãos, tendo como objetivo a redução de gastos durante os procedimentos servindo de suporte para os profissionais responsáveis por este fim. Esta dissertação está organizada da seguinte maneira: no capítulo 1 é feita uma revisão da teoria do processo de análise de sementes, em especial, sementes de soja; um estudo sobre o Processamento de Imagens Digitais, bem como do modelo de Redes Neurais Artificiais. No capítulo 2 encontra-se descritos os materiais usados e a metodologia empregada para o processamento das imagens adquiridas e a configuração da rede neural utilizada. E finalmente no capítulo 3 apresentam-se os resultados encontrados através de estudos estatísticos e pela rede neural configurada.

18 18 1 REVISÃO BIBLIOGRÁFICA 1.1 INTRODUÇÃO Neste capítulo será apresentado um estudo geral sobre a análise de sementes tomando como objeto de estudo, sementes de soja. A seguir, enfoca-se o conceito de imagens digitais e as etapas de seu processamento. Prosseguindo, define-se Redes Neurais Artificiais, caracterizando sua estrutura, configuração e funcionamento. Por fim, a revisão de literatura é então direcionada para o modelo matemático existente para a padronização de objetos em imagens digitais, priorizando a identificação de variedades de soja. 1.2 ANÁLISE DE SEMENTES Importância das Sementes como Material de Pesquisa Como material de pesquisa, a semente apresenta algumas características que a tornam de incorporável valor. Em primeiro lugar vem seu tamanho e forma. Normalmente a semente é pequena, o que possibilita guardar, em recipientes relativamente pequenos, um grande número delas, permitindo assim repetir uns cem números de vezes, determinada observação. Sua forma, de maneira geral tendendo a arredondada, facilita enormemente sua manipulação, diretamente com as mãos ou pinças. A semente é um órgão que usualmente se beneficia da desidratação e isto permite conservá-la em bom estado durante muito tempo. Os pesquisadores sabem a comodidade que isto acarreta, pois é freqüente não se poder realizar um estudo para quando programado, e a semente, desde bem conservada, permite que o trabalho seja realizado no momento adequado. Não bastassem tais características, a semente é um órgão que, não obstante uma organização morfológica muito simples apresenta organização fisiológica e bioquímica altamente complexa, permitindo, praticamente, qualquer tipo de estudo da área da Biologia Vegetal.

19 Laboratório de Análise de Sementes A importância de um laboratório de análise de sementes sempre foi inquestionável. No entanto, o marco evolutivo de seu destaque foi com a instituição da Lei de Proteção de Cultivares, que protegeu os direitos da propriedade intelectual na área de melhoramento genético de espécies vegetais. Com o desenvolvimento de cultivares mais produtivas e responsivas nos campos, tornou-se imprescindível a profissionalização do setor sementeiro, visando qualidade, e também a modernização da indústria de sementes, devido à competição estabelecida entre as empresas que se adequaram à mudança de comportamento de mercado, onde o marketing e atendimento ao cliente ganharam importância fundamental. As benesses advindas do programa de melhoramento transformaram a semente no veículo transportador de toda a tecnologia agregada e exigiu mecanismos mais intensos de aferição de sua qualidade, sendo assim necessário um suporte laboratorial integrado ao sistema de produção de sementes bem mais profícuo, provendo o apoio técnico para aprimoramento do produto e correções de falhas do processo de produção. A semente tem sua qualidade avaliada por um conjunto de índices, o somatório dos atributos genético, físico, fisiológico e sanitário, que são determinados pela análise de uma amostra representativa de um lote. A análise de sementes representa os procedimentos técnicos utilizados para avaliar a qualidade e a identidade da amostra. O laboratório de sementes, visto como o centro da verificação da qualidade é uma unidade constituída e credenciada especificamente para proceder à análise e emitir o respectivo boletim. De acordo com a legislação pertinente, baseia-se nas Regras para Análise de Sementes (RAS), que se fundamentam na uniformidade dos procedimentos e especificam padrões para os diferentes métodos de análises empregados, assim como os tamanhos máximos para os lotes de sementes e o peso mínimo da amostra média ou submetida e da amostra de trabalho para os diferentes tipos de testes. A quantidade de sementes analisadas em um laboratório é muito pequena em relação ao tamanho do lote a qual representa. Se o lote não for homogêneo ou se houver erro na amostragem, as informações serão incorretas e comprometedoras, podendo beneficiar ou prejudicar os usuários das sementes analisadas. Dessa forma, é necessário proceder de acordo com métodos pré-estabelecidos e, rigorosamente seguidos, para a coleta de amostras.

20 Objetivo do Laboratório de Sementes O objetivo principal do laboratório é gerar informações detalhadas sobre o potencial de desempenho das sementes, através de testes especializados e padronizados, que são importantes na identificação de problemas e suas possíveis causas, para minimizar riscos em qualquer das fases de produção, ou seja, da pré-colheita até o momento de semeadura. O cotidiano da prestação de serviço em um laboratório de sementes contempla uma rotina estabelecida através de recebimentos de amostras médias, protocolo, homogeneização, preparação da amostra de trabalho, realização das análises solicitadas pelo produtor, arquivo de contra-amostra, emissão de laudos, boletins e entrega de resultados. Os principais testes efetuados são: análise de pureza, verificação de cultivares, exame de sementes nocivas, germinação, teor de umidade, peso das sementes, dano de máquina, tetrazólio e envelhecimento acelerado Dimensões Características Dentre as técnicas para medida do diâmetro médio de uma semente está a picnometria, onde é determinado o seu volume. A partir do volume de uma forma geométrica que seja semelhante ao volume do material de estudo, é possível determinar o diâmetro médio deste. Segundo Arnost Jr. (1997), outra técnica que pode ser utilizada é a análise de imagens que fornece o diâmetro médio de Feret e o raio médio de Martin. Podem também ser determinadas através desta técnica outras dimensões da partícula como comprimento e largura, que são importantes para o caso de materiais cuja forma difere bastante de uma esfera. Vários pesquisadores descrevem o tamanho de grãos e sementes através de medidas das dimensões dos três eixos através de micrômetros ou paquímetros. Dutra et al. (1988) empregaram as médias aritmética e geométrica dos três eixos principais e o diâmetro efetivo no cálculo do volume de sementes de grama, obtendo resultados que predizem aproximadamente os valores determinados. Verificou-se que as dimensões de sementes de soja aumentam com o teor de umidade até 25% b.u., mas através de uma forma de dependência linear (DESPHPANDE et al., 1993).

21 Esfericidade As técnicas de picnometria e de análise de imagens também são utilizadas para determinação da esfericidade da partícula, que é um parâmetro para caracterizar a forma do material. Sartori (1986), utilizando picnometria, determinou a esfericidade dos materiais soja, milho, arroz, vidro e areia através da seguinte equação: D p φ = (1.1) D l onde: Dp é o diâmetro da esfera de mesmo volume que a partícula (mm) e linear máximo da partícula (mm). D l é o diâmetro Arnosti Filho (1997) determinou a esfericidade de sementes de Brachiaria Brizantha através da técnica de análise de imagens utilizando o analisador GALAI que segue a equação: Área Projetada φ = 4π (1.2) 2 Perímetro Curray apud Mohsenin (1970), determinou o cálculo da esfericidade através do método descrito pelas equações (1.3) e (1.4): V V s φ = (1.3) ec 3 a b c φ = (1.4) a onde: φ é a esfericidade (adimensional), V S é o volume do sólido (mm 3 ), V ec é o volume da esfera circunscrita (mm 3 ) e a, b, c são os eixos ortogonais do sólido (mm).

22 Grau de Esfericidade O grau de esfericidade pode ser determinado conforme a metodologia de Cavalcanti Mata et al. (1986) por meio da seguinte fórmula: b c G = (1.5) a onde: a, b, c são os eixos ortogonais do sólido (mm) Área Superficial e Volume do Grão de Soja Carnaham et al. (1969) consideraram o grão de soja como um elipsóide perfeito a fim de calcular a sua área superficial. As três dimensões do elipsóide foram representadas pelos semi-eixos a, b e c, conforme a Figura 1 e a equação que determina a área superficial é dada pela equação (1.6). Sua resolução numérica foi feita aplicando-se a quadratura de Gauss- Chebyschev na solução da integral interna e quadratura de Gauss-Legendre para a solução da integral externa. Figura 1: Representação das três dimensões do elipsóide (Fonte: Weber, 2001) ( ) 1 A X A u 1 X S = 2 a b dudx b c (1.6) u onde: 2 2 Y y x c c u =, Y =, X =, A 1 e 1. 2 b = A 2 c = 2 1 X b a a b (1.7)

23 23 Ainda levando-se em conta o grão de soja como um elipsóide perfeito, pode-se determinar o seu volume aproximado, através da equação dada por: V 4 = π a b c (1.8) Definição de Variedade De acordo com Ronzelli (1996), variedade é a população de plantas que, pela aparência e pelo comportamento, pode ser distinguida de outras populações na mesma espécie, de acordo com os interesses do homem. É o resultado de gerações avançadas por polinização aberta ou livre de todas as combinações possíveis entre genótipos selecionados, com base na capacidade combinatória que apresentam e podem ser uma linha pura, uma população mendeliana ou um clone. É o mesmo que variedade agronômica ou cultivada. Segundo Ronzelli (1996) variedade é a subdivisão de uma espécie cultivada que se distingue de outra ou de outras pela aparência e/ou pelo comportamento, ou seja, por característica ou características perfeitamente identificáveis ou identificáveis de ordem morfológica, fisiológica, bioquímica ou outra. Borém (1997) define variedade como um grupo de plantas com características distintas uniformes e estáveis. Uma variedade deve apresentar sua própria identidade e a que a distingue das demais. Os descritores varietais que conferem identidade às variedades podem ser: ciclo, cor das sementes, caracteres morfológicos, reação a doenças, produção de grãos, padrões izoenzimáticos ou de ácidos nucléicos. A estabilidade da variedade é importante para a sua identificação de geração após geração. O termo cultivar, que tem sido usado como sinônimo de variedade foi utilizado a partir da contração das palavras inglesas cultivated variety (variedade cultivada) (SARTORI, 2001). Tendo em vista a igualdade de definições utilizadas por diversos autores, será utilizado durante o desenvolvimento deste trabalho o termo variedade para relacionar o termo cultivar e vice-versa.

24 Normas para Identificação de Cultivares Existem algumas regras para análise de sementes dentre as quais se destacam: a) Verificar qual a porcentagem de sementes da amostra média que está de acordo com a cultivar nela indicadas; b) Verificar o número de outras cultivares presentes em uma amostra retirada da porção semente pura para a análise da pureza. A determinação é válida somente para cultivares indicadas pelo remetente e se houver a disponibilidade de uma amostra padrão para comparar com a amostra em exame. Essa análise deverá ser realizada sempre que os padrões de qualidade da cultivar incluir tolerâncias máximas de outras cultivares. Nos testes para verificação de cultivares, muitos detalhes são deixados a critério do especialista que faz o exame. Nesse caso, este deve ter atenção para o conjunto de conhecimentos e experiências encontrados na bibliografia nacional ou internacional. A determinação é realizada, dependendo do problema em questão, sobre sementes, plântulas ou plantas desenvolvidas em laboratório, casa de vegetação, câmara de crescimento ou campo. As características a serem comparadas podem ser de natureza morfológica, fisiológica, citológica, química e bioquímica. Normalmente as sementes da amostra em análise são comparadas com as sementes de uma amostra padrão. No caso de cultivares que são suficientemente uniformes para uma ou mais características (espécies autógamas) é feita uma contagem do número de sementes, plântulas ou plantas que não são autênticas. Se a cultivar não é suficientemente uniforme (espécies alógamas) é feita uma contagem das plantas atípicas e um julgamento geral é expresso quanto à autenticidade da amostra sob exame. A verificação de cultivares só é confiável no caso de se dispor de instalações, equipamentos e outras facilidades, para o estudo do caráter particular a ser pesquisado. Em geral é necessário ter, no laboratório: equipamentos e reagentes para exames morfológicos, citológicos, testes químicos e de germinação de sementes; em casa de vegetação e câmara de crescimento: condições ambientais controladas e adequadas para induzir o desenvolvimento das características a serem avaliadas; em campo: condições climáticas, edáficas e culturais

25 25 para permitir o normal desenvolvimento das características a serem avaliadas, com suficiente proteção contra pragas e doenças. Em todos os casos o exame deverá ser feito por pessoal treinado, com conhecimento das características morfológicas, fisiológicas ou outras, das cultivares em estudo. Para as características morfológicas, as sementes devem ser examinadas com auxílio de lupas e microscópios adequados, quando necessário. Para as características de cor, as sementes devem ser analisadas sob luz natural ou de espectro limitado, como a luz ultravioleta. Para as características químicas, as sementes devem ser tratadas com reagentes adequados e anotadas a reação de cada semente. Em alguns gêneros como Glycine, as verificações de diferença de cor, brilho, tamanho, forma da semente, coloração e formato do hilo, podem ser feitas por exame visual direto sob luz natural ou ultravioleta, ou sob aumento. Em Glycine max o tegumento das sementes apresenta uma reação da enzima peroxidase, que permite a separação das cultivares em dois grupos: um com alta atividade, designada como reação positiva e outro com baixa atividade, caracterizada como negativa. Para auxiliar a identificação das cultivares de soja (Glycine max) pode-se usar o teste de hipocótilo, que é baseado no pigmento antocianina no hipocótilo das plântulas, que pode variar da cor púrpura à verde. As sementes são colocadas para germinar em substrato de areia ou solo. A avaliação deve ser feita de 5 a 10 dias após a semeadura, observando-se a coloração do hipocótilo da plântula. Na determinação de sementes, o resultado será expresso em porcentagem ou em número de sementes de outras cultivares presentes no material em exame Tamanho das Sementes Os efeitos que o tamanho das sementes exerce sobre o comportamento da própria semente e da planta resultante vêm sendo estudados há bastante tempo. De acordo com Gelmond (1972) o primeiro trabalho de pesquisa a respeito foi realizado por Boss, em Trata-se, pois, de assunto muito estudado, mas não inteiramente entendido.

26 Efeitos sobre a Germinação e o vigor das Plântulas O tamanho da semente não deveria ter influência sobre a germinação, pois este é um fenômeno que depende de outros fatores (como a viabilidade da semente, condições ambientais, etc.), mas não do tamanho. Todavia, em uma população não beneficiada de sementes, pode-se observar certa relação mensurável entre sua capacidade de germinar e seu tamanho sendo constituída das menores sementes (Delouche, 1980). Essa relação tem-se mostrado mais evidente em variedades de sementes pequenas, como o eucalipto (Aguiar et al., 1987; Silva et al., 1994), azevém-perene (Naylor, 1980), nabo e repolho (Hanumaiah et al., 1973), não obstante ter sido também observada em milho (Scotii et al., 1977), em soja (Wetzel, 1975; Armstrong et al., 1988). Nessas variedades, de acordo com os resultados obtidos por esses pesquisadores, as menores sementes de lotes não beneficiados apresentaram germinação significativamente menor do que as de tamanhos maiores. Frequentemente, as sementes que constituem essa fração são tão pequenas e ocorrem em proporção tão baixa no lote que, durante o beneficiamento, são usualmente descartadas. Se o tamanho nem sempre afeta a germinação em si, não se pode dizer o mesmo em relação à maneira pela qual esta se processa; em outras palavras, o tamanho afeta o vigor da plântula resultante. Usualmente, sementes de maior tamanho originam plântulas mais vigorosas que, em condições variáveis de campo, podendo resultar em stands diferentes em favor das maiores. O tamanho da semente parece que influi principalmente sobre o peso da plântula resultante (Carleton et al., 1972), sendo razoável que assim seja, uma vez que as sementes grandes são aquelas que dispõem de maior quantidade de substâncias de reserva para o desenvolvimento do eixo embrionário. Se o efeito que o tamanho da semente exerce sobre o peso da plântula dela resultante está relativamente esclarecido pela pesquisa, não se pode dizer o mesmo com relação ao efeito exercido sobre a velocidade de germinação. Resultados não significativos (Egli et al., 1990, com soja, Toon et al., 1991, com Pinus caribaea), em que as grandes germinaram significativamente mais rápido do que as pequenas (Beveridge et al., 1959, com alfafa) e resultados em que as pequenas germinaram significativamente mais rápido do que as grandes (Burris et al., 1973, com soja) têm sido relatados.

27 Efeitos sobre a Fase de Crescimento Inicial O tamanho da semente tem efeito pronunciado sobre o crescimento inicial das plantas, diminuindo essa intensidade à medida que as plantas se desenvolvem. Uma planta proveniente de uma semente pequena tem, no início, seu desenvolvimento mais lento do que o de uma proveniente de semente grande. Com o passar do tempo, ela se recupera e acaba atingindo o tamanho característico da variedade. Trabalhos de diversos autores têm dado suporte para esta hipótese (Trupp et al., 1971, com Bromus inermis; Burris et al., 1973, com soja; Egli et al., 1990, com soja; Gray et al., 1991, com cenoura) Efeitos sobre a Produção Os resultados obtidos têm sido divergentes. Encontra-se um número praticamente igual de trabalhos que afirmam ser o tamanho da semente um fator que influi significativamente sobre a produção, como os que dizem o contrário. Para as mesmas cultivares, autores diferentes têm encontrado resultantes diferentes. Burris et al. (1973) e Johnson et al. (1974) trabalhando, em ambos os experimentos, com a cultivar Amsoy obtiveram resultados opostos: no primeiro, houve uma influência significativa do tamanho da semente e no segundo, nenhuma. No próprio trabalho de Burris et al. (1973) fica evidenciado esse conflito de resultados, pois a cultivar Amsoy respondeu significativamente ao tamanho da semente num ano (1970), mas não no subseqüente. É provável que o efeito do tamanho da semente se faça sentir de maneira diversa de acordo com o produto a ser utilizado (raízes, caules, folhas, madeira, fibra, flores, frutos e grãos), bem como conforme a época em que esse produto vai ser colhido. Parece que o tamanho da semente tem influência significativa sobre o crescimento inicial das plantas, e que é semelhante a um efeito residual, ou seja, reduz-se à medida que passa o tempo. Se o produto for colhido relativamente cedo, a semente de maior tamanho pode dar origem a maior produção. Assim, em plantas que se consomem as folhas ou de que se consomem os frutos ainda imaturos (milho verde, quiabo e vagem para salada, pepino para picles, etc.) podem-se esperar, com mais probabilidade efeito desse tipo. Austin et al. (1967), por exemplo, verificaram, em cenoura, que as plantas obtidas a partir de sementes grandes produziram significativamente mais do que as de sementes

28 28 pequenas, até 15 semanas após a semeadura. Avaliações feitas 24 semanas após a semeadura, já mostraram diferença alguma entre as várias classes de tamanhos de sementes. A explicação mais comumente apresentada para a possível influência do tamanho da semente sobre o vigor das plântulas e posterior comportamento da planta tem sido a de que as sementes grandes possuem maior tecido de reserva, podendo, portanto originar plântulas mais nutridas. Todavia, esta explicação foi demonstrada por Lopez et al. (1973) e Ries et al. (1973) não ser necessariamente verdadeira. Esses autores verificaram em trigo que a semente grande tem um comportamento superior ao de uma semente pequena apenas quando reflete um maior teor de proteínas. Se, por qualquer motivo, a semente de menor tamanho tiver conteúdo protéico maior do que o da semente grande, seu comportamento será melhor. É importante salientar também que, em algumas circunstâncias, as sementes de maior tamanho podem apresentar pior desempenho porque as condições ambientais de produção não foram favoráveis para sua qualidade (NAKAGAWA, 1973, 1981) ou por terem sofrido mais danos mecânicos que as demais classes Beneficiamento O beneficiamento envolve todas as operações de preparo das sementes pós-colheita, tais como: pré-limpeza, limpeza, classificação e melhoramento da qualidade física das sementes. Com isto, visa melhorar ou aprimorar as características de um lote de sementes, com a eliminação das impurezas, das sementes de outras cultivares, das sementes da cultivar que apresentem características indesejáveis e da posterior separação em frações mais uniformes. O beneficiamento das sementes é feito baseando-se em diferenças de características físicas existentes entre a semente e as impurezas. A separação só é possível entre materiais que apresentem uma ou mais características diferenciais que possam ser detectadas pelos equipamentos. O beneficiador de sementes tem condições de escolher entre um grande número de máquinas que possam separar materiais diferentes entre si pelo tamanho (comprimento, largura e espessura), forma, peso, textura e cor.

29 Tamanho Num lote de sementes recém colhido, uma das características em que se encontra maior grau de variabilidade é no tamanho das partículas que o constituem, de sorte que esta característica, tamanho das sementes e das partículas contaminantes, é uma das mais empregadas em processos de beneficiamento. Pode-se dizer que a separação das partículas com base em diferenças de tamanho se constitui no ponto de partida do beneficiamento de lotes de sementes. O tamanho de uma partícula qualquer é definido pelas dimensões de seu comprimento, largura e espessura. Essa última dimensão, contudo, em muitas variedades, não é muito bem definida e, por isso, de difícil mensuração. A separação das sementes entre si, ou das impurezas, baseada na largura ou na espessura é realizada por meio de peneiras planas ou cilíndricas. Estas peneiras podem ser construídas de chapas metálicas com perfuração, ou de malhas de arame entrelaçado. Já sementes que apresentem igual largura e espessura, mas difiram quanto ao comprimento, podem ser separadas pelos discos alveolados, ou pelos cilindros alveolados Forma A forma é uma das características que mais varia entre as sementes das diferentes cultivares. A separação feita pelas peneiras é relacionada com a forma, normalmente quando se usam as peneiras de perfurações triangulares. De modo semelhante, o separador de cilindros alveolados e o de discos alveolados realizam a separação baseados nesta característica. Entretanto, existe um separador em espiral que separa as sementes de forma arredondada das de forma achatada Cor As sementes com características físicas idênticas que diferem somente pela coloração podem ser separadas por meio de catadeiras ou selecionadoras eletrônicas. O órgão básico deste aparelho é uma célula foto-elétrica, calibrada para separar sementes de cores diferentes. Estas máquinas apresentam um dispositivo especial que expõe semente por semente ao sensor eletrônico que a compara com um padrão eletrônico ou padrão de cor. Se a intensidade da cor da semente ou a reflexão da luz obtida for comparável, a semente continua seu trajeto até a

30 descarga final. Se estiver fora da escala padrão, é desviada do fluxo principal por meio de um sistema de ar comprimido ou outro dispositivo SOJA A soja é um dos grãos mais produzidos no mundo e há algum tempo vem se tornando mais presente na alimentação da população mundial. A classificação botânica da soja segue as seguintes denominações: Espécie: Glycine max (L.) Merril; Gênero: Glycine; Família: Leguminosae; Ordem: Rosales; Subclasse: Archichlamidease; Classe: Dicotyledoneal; Divisão: Angiospermal Análise de Sementes de Soja A semente de soja apresenta formato que varia de elíptica, oblonga, oval a obovada, sendo, portanto, eurispérmica. A Figura 2 mostra a representação esquemática de uma semente de soja com suas partes constituintes. Figura 2: (A) Vista lateral da semente de soja. (B) Vista frontal da semente de soja (Fonte: Embrapa Soja, 2000) A análise morfológica de grãos de soja representa os procedimentos técnicos utilizados para avaliar a identidade da amostra. A qualidade de sementes tem sido atribuída à sua pureza física, ao elevado potencial genético, à alta germinação e vigor, à ausência de danos mecânicos, à boa sanidade e à uniformidade de tamanho. Este último é um atributo importante no aspecto visual para a comercialização e essencial para regulagem de semeadoras. Nesse sentido, Smith e Camper (1975) recomendam a classificação de sementes de soja, visando atingir uma melhor uniformidade de distribuição de sementes na semeadura e estandes mais uniformes.

31 31 A padronização das sementes de soja pelo tamanho tem sido uma prática que tem se tornado rotineira no Brasil e uma exigência do mercado (Lima, 1996). O efeito do tamanho de sementes de soja na sua qualidade fisiológica tem sido relatado em alguns trabalhos (Bunch, 1962; Hartwig et al., 1970; Souza, 1988; Lima, 1996; Beckert et al., 2000). Segundo Carvalho et al. (2000), o tamanho das sementes não tem influência sobre a germinação, mas afeta o vigor da plântula resultante, sendo que as sementes de maior tamanho originam plântulas mais vigorosas e, em condições variáveis de campo, podem resultar em culturas mais desenvolvidas. A quantidade de sementes analisadas em um laboratório é muito pequena em relação ao tamanho do lote a qual representa. Se o lote não for homogêneo ou se houver erro na amostragem, as informações serão incorretas e comprometedoras, podendo beneficiar ou prejudicar os usuários das sementes analisadas. Dessa forma, é necessário proceder de acordo com métodos pré-estabelecidos e, rigorosamente seguidos, para a coleta das amostras. Os estudos morfológicos podem auxiliar na identificação botânica do cultivar, na interpretação dos testes de laboratório e no reconhecimento da cultivar em bancos de sementes Variedades de Soja Segundo Gomes (1975), as variedades de soja distinguem-se entre si pelo ciclo vegetativo, porte e pelo tamanho das plantas, comprimento e forma das folhas, cor das folhas, cor e forma das sementes bem como constituição química das sementes. Há outras classificações, em que podem ser consideradas a altura e porte das plantas, a forma das vagens, a forma, o tamanho e a cor das sementes, os hilos e os cotilédones. Estas análises contribuem para o estudo dos mecanismos de dispersão, sucessão e regeneração natural das cultivares Normas para Classificação Oficial da Soja De acordo com as Regras para Análise de Sementes (1992), a soja em relação ao tamanho é classificada em quatro grupos: a) Graúda: Grãos com diâmetro acima de 7,505 mm;

32 32 b) Média: Grãos com diâmetro de 6,320 a 7,505 mm; c) Miúda: Grãos com diâmetro de 5,330 a 6,320 mm; d) Misturada: É a soja que não se enquadra em qualquer dos grupos anteriores. Para o enquadramento em qualquer dos três primeiros grupos citados acima, a soja deverá apresentar, no mínimo 75% (em peso) de grãos com as dimensões correspondentes. É classificada em quatro classes, segundo a cor: amarela, verde, marrom e preta. Para o enquadramento em uma dessas classes o percentual máximo permitido de grãos de outra classe é de 10%. Toda a soja que não estiver enquadrada nas classes citadas é classificada como mista. A soja com a casca verde ou pérola, mas cujo interior é amarelado ou esbranquiçado, em corte transversal, é considerada amarela Tamanho da Semente de Soja e Qualidade Fisiológica Dentre as espécies produtoras de grãos, cultivadas no Brasil, a soja (Glycine max (L.) Merrill) é considerada uma das culturas de maior potencial econômico para a comercialização interna e externa. Esse fato se deve não só ao valor econômico dos grãos de soja para consumo, as grandes possibilidades de utilização do produto devido aos seus altos teores de óleo e proteína e a boa valorização comercial de seus resíduos (Couto et al., 1998). O Brasil figura como o país que apresenta as melhores condições para expandir a produção e prover o esperado aumento da demanda mundial, já tendo alcançado a produtividade de grãos de soja obtida pelos Estados Unidos da América (Embrapa Soja, 2004). Segundo Marcos (1998), a qualidade fisiológica de sementes pode afetar indiretamente a produção da lavoura, ao influenciar a velocidade e a percentagem de emergência das plântulas e o estande final, ou diretamente, influenciando o vigor da planta. A qualidade de sementes tem sido atribuída à sua pureza física, ao elevado potencial genético, à alta germinação e vigor, à ausência de danos mecânicos, à boa sanidade e à uniformidade de tamanho. Este último é um atributo importante no aspecto visual para a comercialização e essencial para regulagem de semeadoras. Nesse sentido, Smith et al. (1975) recomendam a classificação de sementes de soja, visando atingir uma melhor uniformidade de distribuição de sementes na semeadura e culturas mais uniformes.

33 33 Com base nos resultados apresentados, conclui-se que: a) O tamanho das sementes influencia a sua qualidade fisiológica durante o armazenamento; b) As sementes de tamanho médio apresentam maior potencial de armazenamento; c) As sementes de maior tamanho, por sua vez, apresentam menor germinação e vigor ao final do armazenamento Identificação de Cultivares Com o advento da nova lei de proteção de cultivares, a identificação inequívoca de tornou-se extremamente importante. A identificação de cultivares dentro de uma espécie é feita normalmente com base em caracteres morfológicos. Esses caracteres, extensivamente usados pelos melhoristas, resultam da interação entre o genótipo e o ambiente. Por causa dos efeitos dessa interação, torna-se difícil a comprovação da distingüibilidade de cultivares obtida de ambientes distintos. Buscando solucionar esta limitação os melhoristas utilizam cultivares denominadas testemunhas. No entanto, este procedimento nem sempre é suficiente para a caracterização genotípica de uma cultivar ou linhagem, requerimento necessário para a sua distingüibilidade. Os marcadores moleculares surgem então como uma solução para essa caracterização inequívoca, visto que as análises são feitas com base no DNA de cada cultivar, que apresentam muito mais variação do que as observadas com base em caracteres morfológicos, permitindo assim que cultivares muito semelhantes sejam discriminadas. Essa análise se assemelha com os testes de paternidade, muito comuns hoje em dia Características de algumas Cultivares de Soja Cultivar EMBRAPA 133 A cultivar EMBRAPA 133 (BRS 133), ilustrada na Figura 3, foi desenvolvida pelo Centro Nacional de Pesquisa de Soja - Embrapa Soja e avaliada oficialmente, no Estado do

34 34 Paraná, nos ensaios de Avaliação Intermediária e Final das safras 1993/94, 1994/95 e 1995/96, com a sigla BR A BRS 133 tem como origem uma planta selecionada na população F5 do cruzamento FT-Abyara x BR83-147, conduzida pelo método genealógico modificado. Na média de 30 ambientes em que foi testada, a BRS 133 apresentou produtividade média de kg/ha, sendo 8,5% mais produtiva que a cultivar padrão BR-16. É uma cultivar do grupo de maturação semiprecoce, apresentando médias de 121 dias para maturação e 79 cm de altura de planta. Possui hábito de crescimento determinado e boa resistência ao acamamento e à deiscência de vagens. É resistente às doenças cancro da haste, mancha "olhode-rã" e pústula bacteriana. Tem como características morfológicas flor branca, pubescência marrom, vagem marrom clara e semente de tegumento amarelo-fosco, com hilo marrom Pixels Pixels Figura 3: Cultivar BRS Cultivar EMBRAPA 184 A cultivar EMBRAPA 184 (BRS 184), ilustrada na Figura 4, foi desenvolvida pelo Centro Nacional de Pesquisa de Soja - Embrapa Soja e avaliada oficialmente, no Estado do Paraná. É uma cultivar do grupo de maturação médio, apresentando 78 cm de altura de planta Possui hábito de crescimento determinado e boa resistência ao acamamento e à deiscência de vagens. É resistente às doenças cancro da haste e mancha "olho-de-rã". Tem como características morfológicas flor roxa, pubescência marrom e hilo marrom.

35 Pixels Pixels Figura 4: Cultivar BRS Cultivar COODETEC 205 A COODETEC 205 (CD 205), ilustrada na Figura 5, é uma cultivar do grupo de maturação tardio, apresentando médias de 132 dias para maturação e 83 cm de altura de planta. Possui hábito de crescimento determinado, resistência ao acamamento e tolerante deiscência de vagens. É resistente às doenças cancro da haste, mancha "olho-de-rã", pústula bacteriana e crestamento bacteriano. Tem como características morfológicas flor roxa, pubescência marrom e hilo marrom Pixels Pixels Figura 5: Cultivar CD 205

36 Cultivar COODETEC 206 A COODETEC 206 (CD 206), ilustrada na Figura 6, é uma cultivar do grupo de maturação semi-precoce, apresentando médias de 123 dias para maturação e 84 cm de altura de planta. Possui hábito de crescimento determinado e tolerante resistência à deiscência de vagens. É resistente às doenças cancro da haste, mancha "olho-de-rã" e pústula bacteriana. Tem como características morfológicas flor roxa, pubescência marrom e hilo preto Pixels Pixels Figura 6: Cultivar CD Cultivar EMBRAPA 48 A cultivar EMBRAPA 48 (EMB 48), ilustrada na Figura 7, foi desenvolvida pelo Centro Nacional de Pesquisa de Soja - Embrapa Soja e avaliada oficialmente, no Estado do Paraná, nos ensaios de Avaliação Intermediária e Final das safras 1991/92, 1992/93 e 1993/94. Esta tem como origem uma planta selecionada do cruzamento (Davis x Paraná) x (IAS 4 x Br5), conduzida pelo método genealógico modificado. Na média de 32 ambientes em que foi testada, a EMB 48 apresentou produtividade média de 3428 kg/ha, sendo 11,5% e 14,1% superior às cultivares padrões FT - Guaíra e IAS 5, respectivamente. É uma cultivar do grupo de maturação precoce, apresentando 63 cm de altura de planta. Possui hábito de crescimento determinado e boa resistência ao acamamento e à

37 37 deiscência de vagens. É resistente às doenças mancha "olho-de-rã", podridão parda da haste e pústula bacteriana. Tem como características morfológicas flor branca, pubescência cinza e hilo marrom claro Pixels Pixels Figura 7: Cultivar EMB Cultivar SYNGENTA 8350 A cultivar SYNGENTA 8350 (NK 8350), ilustrada na Figura 8, foi desenvolvida pelo Centro Nacional de Pesquisa de Soja - Embrapa Soja e avaliada oficialmente, no Estado do Paraná, nos ensaios de Avaliação Intermediária e Final das safras 1993/94, 1994/95 e 1995/96, com a sigla BR A NK 8350 tem como origem uma planta selecionada na população F5 do cruzamento Willians x Essex, conduzida pelo método genealógico modificado. É uma cultivar do grupo de maturação precoce, apresentando médias de 120 dias para maturação e 90 cm de altura de planta. Possui hábito de crescimento indeterminado e boa resistência ao acamamento e à deiscência de vagens. É resistente às doenças cancro da haste e podridão parda haste. Tem como características morfológicas flor branca, pubescência cinza e hilo marrom claro.

38 Pixels Pixels Figura 8: Cultivar NK Cultivar FEPAGRO 10 A cultivar FEPAGRO 10 (RS 10), ilustrada na Figura 9, foi desenvolvida pela Fundação Estadual de Pesquisa Agropecuária - FEPAGRO nos ensaios de Avaliação Intermediária e Final das safras 1992/93, 1993/94 e 1994/95, com a sigla JC A RS 10 tem como origem uma planta selecionada na população F6 do cruzamento IPAGRO 20 x Pel 7803 (Forrest x Hood), conduzida pelo método genealógico modificado. Na média dos ambientes em que foi testada, a RS 10 apresentou produtividade média de 3446 kg/ha. É uma cultivar do grupo de maturação tardio, apresentando médias de 147 dias para maturação e 96 cm de altura de planta. Possui hábito de crescimento determinado e boa resistência ao acamamento e à deiscência de vagens. É resistente às doenças cancro da haste, pústula bacteriana e fogo selvagem. Tem como características morfológicas flor roxa, pubescência cinza, vagem cinza e semente de tegumento amarelo, com hilo marrom.

39 Pixels Pixels Figura 9: Cultivar RS Cultivar MONSOY 8000 RR A cultivar MONSOY 8000 RR (MSOY 8000 RR), ilustrada na Figura 10, foi desenvolvida pelo Grupo Monsanto - Empresa Monsoy. É uma cultivar do grupo de maturação semi-precoce, apresentando médias de 121 dias para maturação e 77 cm de altura de planta. Possui hábito de crescimento determinado e boa resistência ao acamamento e à deiscência de vagens. É resistente às doenças cancro da haste, mancha "olho-de-rã" e pústula bacteriana. Tem como características morfológicas flor roxa, pubescência cinza e hilo preto imperfeito Pixels Pixels Figura 10: Cultivar MSOY 8000RR

40 IMAGENS DIGITAIS Definição Uma imagem digital ou imagem monocromática é uma função bidimensional f(x,y) da intensidade luminosa, onde x e y denotam coordenadas espaciais, que por convenção: x = [1, 2,...,M] e y = [1, 2,...,N]. O valor de f no ponto (x, y) é proporcional ao brilho (ou nível de cinza) da imagem neste ponto, como ilustrado na Figura 11. Esta apresenta uma região em destaque em que se podem observar os pixels e os níveis de cinza ou níveis de luminância de cada um deles. Figura 11: Imagem Monocromática "Goldhill" para destaque de uma região de 17x17 pixels Pixel e Conectividade Um pixel é o elemento básico em uma imagem. A forma mais comum para o pixel é a forma retangular ou quadrada. O pixel é também um elemento de dimensões finitas na representação de uma imagem digital. Frequentemente, a organização de uma imagem sob a forma de uma matriz de pixels é feita em uma simetria quadrada. Isto se deve a facilidade de implementação eletrônica, seja dos sistemas de aquisição seja dos sistemas de visualização de imagens. Este tipo de organização provoca o aparecimento de dois problemas importantes nas técnicas de processamento.

41 41 Em primeiro lugar um pixel não apresenta as mesmas propriedades em todas as direções, isto é, ele é anisotrópico. Esta propriedade faz com que um pixel tenha quatro vizinhos de borda e quatro vizinhos de diagonal. Esta característica obriga que seja definido o tipo de conectividade que será utilizada, ou B4 (considerando apenas os vizinhos de borda) ou B8 (considerando os vizinhos de borda e os de diagonal), como ilustrado na Figura 12. O segundo problema é conseqüência direta do primeiro, ou seja, as distâncias entre um ponto e seus vizinhos não é a mesma para qualquer tipo de vizinho. Será igual a 1 para vizinhos de borda e 2 para aqueles na diagonal. Figura 12: Ilustração de tipos de conectividade de pixels vizinhos 1.5 PROCESSAMENTO DE IMAGENS DIGITAIS O processamento de imagens digitais é uma área que vem crescendo nos últimos tempos. Vários temas científicos são abordados e na maioria das vezes em caráter interdisciplinar, como por exemplo: a compreensão de imagens, análise em multiresolução e em multi-frequência, análise estatística, codificação e a transmissão de imagens, etc. Segundo NEVES (2001), o processamento de imagens trata da aquisição de dados de uma imagem adquirida através de algum meio de digitalização e sua manipulação a fim de se obter informações específicas da mesma, realçando as informações importantes e removendo as desnecessárias. Este processo facilita a manipulação bem como a análise dos dados obtidos da imagem, os quais são usados para solução de diversos problemas, tais como: descoberta automática de fissuras em materiais, contagem de glóbulos brancos em amostras de sangue, cálculo do volume sangüíneo nas câmaras do coração, contagem de microorganismos em amostras orgânicas, entre outros. As imagens são produzidas através de inúmeros dispositivos físicos, nos quais se destacam: câmeras, vídeo câmeras, equipamentos de radiografia, microscópios eletrônicos, magnéticos e de força atômica, radares, equipamento de ultra-som, etc. A produção e

42 42 utilização de imagens podem ter vários objetivos, sendo para um simples divertimento até aplicações militares, médicas ou tecnológicas. O objetivo é extrair informações úteis para cada aplicação desejada, sendo através de um observador ou de uma máquina. De acordo com Gonzales et al. (2000), as técnicas de processamento digital de imagens começaram a ter aplicações no início do século XX, com o envio de imagens por meio de cabos submarinos entre Londres e Nova Iorque para a publicação em jornais. As imagens eram codificadas no transmissor e decodificadas no receptor, para o qual havia necessidade de melhoramento na qualidade da imagem. Segundo Martins (2004), o grande salto nas técnicas de processamento de imagens ocorreu com o surgimento dos computadores de grande porte no período da corrida espacial, aliado à necessidade de análise e melhoramento das imagens de televisão, enviadas por sondas espaciais nas missões para a Lua, para Marte (missões Marine) e também nos vôos tripulados para a Lua. Atualmente, o processamento de imagens é utilizado em várias áreas de aplicação do conhecimento humano para resolver uma grande variedade de problemas e que, normalmente, requerem métodos capazes de melhorar a informação visual para análise e interpretação humana ou a percepção automática das máquinas. Como exemplo para a análise e interpretação humana tem-se as imagens melhoradas por tratamento digital; aplicações na área médica com imagens de raios-x e ultrassonografia; na geologia o estudo das imagens de satélites; na restauração de figuras da arqueologia e fotos naturais; na medicina nuclear e na melhoria de imagens transmitidas por ondas de rádio e etc. Como exemplo para a percepção automática de máquinas tem-se o reconhecimento automático de caracteres; processamento automático de impressões digitais; reconhecimento automático da face humana; guiagem de robôs; processamento automático de imagens de satélites para o reconhecimento de queimadas, etc. (MARTINS, 2004). A análise digital de dados, como por exemplo, imagens digitais de sensoriamento remoto orbital, possibilitaram um grande desenvolvimento das técnicas voltadas para a análise de dados multidimensionais, adquiridos por diversos tipos de sensores. Estas técnicas têm recebido o nome de processamento digital de imagens. O objetivo da utilização do PID é melhorar o aspecto visual de certas estruturas e fornecer outros subsídios para a sua interpretação, gerando produtos que possam ser submetidos a outros processamentos.

43 43 A área de processamento digital de imagens tem atraído grande interesse nas últimas décadas, principalmente através da evolução tecnológica da computação digital e o desenvolvimento de novos algoritmos para lidar com sinais bidimensionais. O PID pode ser dividido em cinco etapas: aquisição da imagem, pré-processamento, segmentação, representação/descrição e reconhecimento/interpretação (GONZALES, 1993). A Figura 13 descreve as etapas do processamento de imagens digitais. Figura 13: Etapas de um sistema de PID Aquisição da Imagem A primeira etapa, a aquisição da imagem, pode ser realizada através de variados meios como, aparelho de raios-x, ultra-som, ressonância magnética, sensor de sinais e até mesmo simples câmeras digitais.

44 Pré-Processamento Após aquisição da imagem a próxima etapa é o pré-processamento da imagem. A principal função do pré-processamento é utilizar métodos e ou algoritmos, para melhorar a imagem e realçar as principais características para a execução do processamento como, por exemplo, o aumento de contraste, a suavização para tons de cinza em caso de imagem colorida, a remoção de ruídos introduzidos no processo de aquisição da imagem e o isolamento de regiões conforme a textura Segmentação A segmentação subdivide uma imagem em suas partes ou objetos constituintes. A segmentação deve parar quando os objetos de interesse na aplicação tiverem sido isolados. Assim, segmentar significa dividir uma imagem na menor porção possível, de modo que se possa caracterizar um segmento de imagem, baseando-se em alguma informação adquirida da própria imagem. Em geral, a segmentação é uma das mais difíceis tarefas em um processamento de imagem, sendo esta, uma etapa determinante para o sucesso da análise. A saída da segmentação é um conjunto de pixels, que constituem o limite de uma região ou todos os pontos desta, dependendo de cada caso os dados são convertidos para uma forma adequada ao processamento da imagem (GONZALEZ, 1993). Segundo Lucca (1998), as técnicas empregadas para segmentação automática de imagens podem ser agrupadas em três principais categorias: ajuste de regiões (region fitting), crescimento de regiões (region growing) e detecção de bordas (edge detection). Segmentações produzidas por algoritmos que empregam técnicas de detecção de bordas, baseiam-se em encontrar limites entre regiões homogêneas de diferentes propriedades, e necessitam de operadores específicos que realcem as bordas antes da segmentação. Uma borda é o limite entre duas regiões com propriedades de níveis de cinza relativamente distintas e sua detecção pode ser feita automaticamente por operadores de derivadas locais denominados de gradientes, os quais são implementados usando janelas (máscaras) de vários tamanhos. Técnicas de detecção de bordas têm sido largamente empregadas para segmentar imagens ópticas. Alguns exemplos de operadores de bordas usados em tais imagens são os gradientes de Canny, Prewitt, Sobel, Marr-Hildreth, Log, Roberts, e Zerocross, os quais utilizam máscaras de tamanhos 2 x 2, 3 x 3 ou 5 x 5 (GONZALES, 1993).

45 45 Devido à gama de imagens adquiridas de diversos meios diferentes não existe um método geral de segmentação de imagens, pois possuem várias características diferentes. A escolha de um método adequado depende das características da imagem, das operações de pós-segmentação (reconhecimento de formas, interpretação, localização, etc.) e das características a serem analisadas (contornos, regiões, formas, etc.). Muitas das dificuldades encontradas em segmentação de imagens podem ser reduzidas através da suavização adequada da imagem, durante a etapa de pré-processamento Representação e Descrição Uma representação é a transformação dos dados em uma forma adequada para em seguida finalizar o processamento. Um método também deve ser especificado para descrever os dados de maneira que os traços interessantes sejam realçados. Descrição também chamada de seleção de característica trata da extração de características que resultam em alguma quantidade de informações interessantes ou características que são básicas para diferenciar uma classe de objetos de outra. Nesta etapa deve ser feita a manipulação dos dados para que possam ser inseridos em uma rede neural, que na proposta deste trabalho será usada na próxima etapa Reconhecimento e Interpretação Reconhecimento é o processo que atribuirá um rótulo para um objeto baseado na informação fornecida pelos descritores. Interpretação envolve atribuição de significado para um conjunto de objetos reconhecidos. Este reconhecimento será realizado através de técnicas de redes neurais que será demonstrado no próximo capítulo. 1.6 REDES NEURAIS ARTIFICIAIS Definição Redes Neurais Artificiais é a parte da computação que tenta imitar a capacidade que o homem possui de raciocinar utilizando-se de diversas técnicas de programação para resolver

46 46 determinados tipos de problemas. Na área da informática ela é conhecida como inteligência artificial. Estas técnicas se baseiam no cálculo sináptico que ocorre no sistema nervoso dos mamíferos, tentando assim, reproduzir a inteligência dos mesmos de modo artificial Redes Neurais Biológicas O neurônio biológico é basicamente o dispositivo computacional elementar do sistema nervoso que possui muitas entradas e uma saída. As entradas ocorrem através das conexões sinápticas, que conectam a árvore dendrital aos axônios de outras células nervosas. Os sinais que chegam por estes axônios são pulsos elétricos conhecidos como impulsos nervosos ou potenciais de ação, constituindo a informação que o neurônio processará de alguma forma para produzir como saída um impulso nervoso no seu axônio (KOVACS, 1996). Segundo Kovacs (1996), o cérebro humano é considerado o mais fascinante processador, sendo composto por aproximadamente 10 bilhões de neurônios. Todas as funções e movimentos do organismo estão relacionados ao funcionamento destas pequenas células. Os neurônios estão conectados uns aos outros através de sinapses, e juntos formam uma grande rede, chamada rede neural. As sinapses transmitem estímulos através de diferentes concentrações de Na+ (Sódio) e K+ (Potássio), sendo estendidos por todo o corpo humano. Esta grande rede neural proporciona uma fabulosa capacidade de processamento e armazenamento de informações. O sistema nervoso é formado por um conjunto extremamente complexo de neurônios. Nesses, a comunicação é realizada através de impulsos. Quando um impulso é recebido, o neurônio o processa, e passado um limite de ação, dispara um segundo impulso que produz uma substância neurotransmissora o qual flui do corpo celular para o axônio que por sua vez pode estar ou não conectado a um dendrito de outra célula. O neurônio que transmite o pulso pode controlar a freqüência de pulsos aumentando ou diminuindo a polaridade na membrana pós-sináptica. Eles têm um papel essencial na determinação do funcionamento, comportamento e do raciocínio do ser humano. Ao contrário das redes neurais artificiais, redes neurais naturais não transmitem sinais negativos, sua ativação é medida pela freqüência (contínua e positiva) com que emite os pulsos. As redes naturais não são uniformes como as redes artificiais e apresentam uniformidade apenas em alguns pontos do organismo.

47 47 Seus pulsos não são síncronos ou assíncronos, devido ao fato de não serem contínuos, o que as difere das redes artificiais. Baseada na célula nervosa básica chamada neurônio, como qualquer célula biológica, o neurônio é delimitado por uma fina membrana celular que além da sua função biológica normal, possui propriedades que permitem a transmissão de sinais elétricos. De acordo com a Figura 14, o neurônio é dividido em três partes principais: a) Dendritos: Tem por função, receber os estímulos transmitidos por outros neurônios; b) Corpo do neurônio: Também chamado de soma, o qual é responsável por coletar e combinar informações vindas de outros neurônios. É o centro dos processos metabólicos da célula nervosa; c) Axônio: Responsável pela condução do impulso nervoso na saída do neurônio. Figura 14: Neurônio Biológico (KOVACS, 1996) Histórico das Redes Neurais Artificiais As redes neurais artificiais têm sua evolução baseada na contribuição individual de inúmeros pesquisadores destacando-se entre eles as publicações de: Mcculloch e Pitts (1943), Hebb (1949) e Rosemblatt (1957). Estes trabalhos introduziram o primeiro modelo de redes

48 48 neurais simulando máquinas, o modelo básico de rede de auto-organização e o modelo Perceptron de aprendizado supervisionado, respectivamente. Alguns pesquisadores da área de redes neurais entendem que ocorreram poucas pesquisas na área durante os anos 60 e 70. Um novo progresso significativo reiniciou-se com a publicação dos trabalhos de Hopfield (1982) relatando a utilização de redes simétricas para otimização e de Rumelhart et al. (1986) que introduziram o poderoso algoritmo de retropropagação (backpropagation). A seguir segue cronologicamente alguns dos principais contribuidores na pesquisa de redes neurais artificiais: Mcculloch e Pitts - Apresentam o primeiro modelo de redes neurais simulando máquinas Donald Hebb - Apresenta o modelo básico de rede de Auto-organização John Von Neumain The computer and the brain, modelos de neurônios usando relés e válvulas Albert Utley - Informons, separador linear que ajusta seus parâmetros de entrada Frank Rosenblatt (Cornell University) - Perceptrons, generalização dos modelos de Mcculloch/Pitts Bernard Widrow e Marcian Hoff (Stanford University) - Adaline and Madaline - Perceptrons melhorados Marvin Minsky e Papert - livro Perceptrons Classificação das Redes Neurais Existem várias maneiras de classificar os diferentes tipos de redes neurais. A forma mais comum é através do método de aprendizado, se este aprendizado é dinâmico ou estático, supervisionado ou não supervisionado. Os termos estáticos ou dinâmicos referem-se como a rede altera o seu comportamento como função do tempo. Redes estáticas têm seu comportamento congelado, isto é, os pesos da rede são determinados na implementação e não se alteram à medida que novos valores são introduzidos (SILVA, 1998). Dois exemplos deste tipo são as redes neurais de Hamming e Hopfield. A rede de Hamming consiste de duas subredes, a sub-rede inferior, a qual aceita entradas de um padrão binário codificado e a sub-rede

49 49 superior, a qual determina qual o padrão aprendido possui a menor distância de Hamming em relação ao padrão de entrada. Os padrões da rede de Hamming são pré-definidos e não podem ser modificados a não ser por uma intervenção manual. A rede de Hopfield binária se comporta de maneira similar à rede de Hamming. Dada uma entrada, a rede escolhe o padrão armazenado que possui a menor distância de Hamming em relação a esse padrão de entrada. A rede de Hopfield trabalha através da conexão dos nós de saída com todos os outros nós de entrada da rede e possui somente uma camada de nós que age tanto como nó de entrada como nó de processamento. A rede de Hopfield processa até que seja encontrado um padrão que não se altere mais. Ambas as redes são simples de se projetar e implementar, devido a sua simplicidade, sendo consideradas as preferidas na implementação prática. Redes dinâmicas mudam seu comportamento temporalmente e provavelmente são as redes mais usadas. Estas redes também podem ser classificadas como redes não supervisionadas ou supervisionadas, dependendo de como são condicionadas. Uma comparação pode ser feita nos métodos de aprendizado dinâmico com condicionamento em psicologia. O aprendizado não supervisionado é análogo ao condicionamento em psicologia. O condicionamento reforça o estímulo ao relacionamento aprendido. É fornecida uma entrada a quem está aprendendo que reage com uma saída. Este aprendizado é repetido até que seja decidido que o elemento que está aprendendo tenha aprendido o relacionamento. Pensa-se então que o elemento consegue associar as entradas e decidir qual será a saída apropriada, eventualmente uma nova entrada dará a mesma saída (KOVACS, 1996). Aprendizado supervisionado é a forma mais usada de aprendizado em redes neurais, normalmente feito pelo algoritmo de retropropagação. Aprendizado supervisionado é análogo ao condicionamento operante em psicologia, no qual as respostas são reforçadas e não os estímulos. Para se ter o aprendizado supervisionado é necessárias amostras conhecidas. As saídas são calculadas de acordo com as entradas fornecidas à rede. O supervisor compara a saída da rede com a saída desejada e determina em que nível a rede deve ser excitada ou inibida. Então a rede modifica seu comportamento de acordo com a estratégia de supervisionamento (KOVACS, 1996). O algoritmo de retropropagação usa este conceito na forma de um gradiente regressivo. O algoritmo move a rede de uma superfície de erro desconhecido para um mínimo local ou global.

50 50 O gradiente e sua direção são determinados por cálculo através de uma função de erro. Este erro é retropropagado através da rede para determinar como os pesos devem ser ajustados para um melhor comportamento. O nome retropropagação deve-se a este algoritmo. Na prática, as redes não ficam aprendendo todo o tempo. Elas normalmente são desenvolvidas, treinadas e uma vez validadas, tem seu treinamento interrompido e o comportamento congelado com relação ao tempo. Através da construção da rede e seleção dos seus pesos, qualquer função multidimensional ou associação entre entradas e saídas da rede pode ser aprendida pela mesma (BULLOCK et al., 1992). Figura 15: Taxonomia das Redes Neurais A propriedade mais importante das redes neurais é a habilidade de aprender com seu ambiente e com isso melhorar seu desempenho. O aprendizado da rede (treinamento) é feito através de um processo iterativo de ajustes de seus pesos. O aprendizado ocorre quando a rede neural atinge uma solução generalizada para uma classe de problemas. Denomina-se algoritmo de aprendizado a um conjunto de regras bem definidas para a solução de um problema de aprendizado. Existem muitos tipos de algoritmos de aprendizado específicos para determinados modelos de redes neurais. Estes algoritmos diferem entre si principalmente pelo modo como os pesos são modificados (SILVA, 1998). Segundo Ramos (2001), a rede neural se baseia nos dados para extrair um modelo geral. Portanto, a fase de aprendizado deve ser rigorosa e verdadeira, a fim de se evitar

51 51 modelos espúrios. Todo o conhecimento de uma rede neural está armazenado nas sinapses, ou seja, nos pesos atribuídos às conexões entre os neurônios. De 50 a 90% do total de dados devem ser separados para o treinamento da rede neural, dados estes escolhidos aleatoriamente, a fim de que a rede aprenda as regras e não decore exemplos. O restante dos dados só é apresentado à rede neural na fase de testes a fim de que ela possa "deduzir" corretamente o inter-relacionamento entre os dados Rede Perceptron No final da década de 1950, Rosenblatt na Universidade de Cornell, deu prosseguimento as idéias de Mcculloch. Ele criou uma genuína rede de múltiplos neurônios do tipo descriminadores lineares e chamou esta rede de Perceptron. Um Perceptron é uma rede com os neurônios dispostos em várias camadas. Os neurônios que recebem diretamente as entradas da rede constituem o que se chama de camada de entrada (ROSENBLATT, 1957). Os neurônios que recebem como entradas as saídas daqueles da camada de entrada constituem a segunda camada e assim sucessivamente até a camada final que é a camada de saída. As camadas internas que não são nem a de entrada e nem a de saída são geralmente referidas como camadas intermediárias, escondidas ou ocultas. A operação de uma unidade de processamento, proposta por McCulloch e Pitts em 1943, pode ser resumida da seguinte maneira: a) Sinais são apresentados à entrada; b) Cada sinal é multiplicado por um número, ou peso, que indica a sua influência na saída da unidade; c) É feita a soma ponderada dos sinais que produz um nível de atividade; d) Se este nível de atividade exceder certo limite ( limiar ) a unidade produz uma determinada resposta de saída. f(a) e saída Y. A Figura 16 apresenta o neurônio proposto com as entradas X, função de ativação

52 52 Figura 16: Neurônio Artificial projetado por McCulloch Perceptron de Múltiplas Camadas Rumelhart et al. (1986) através de suas pesquisas demonstraram que é possível treinar redes neurais com camadas intermediárias, resultando no modelo de redes neurais artificial mais utilizado atualmente, as redes Perceptron de Múltiplas Camadas (MLP), treinadas com o algoritmo de retropropagação (backpropagation). Este tipo de rede pode possuir uma ou mais camadas intermediárias onde cada uma possui uma função específica. A camada de entrada é responsável pela recepção dos padrões de entrada, a camada de entrada se liga à camada intermediária através de conexões. As conexões guardam os pesos que serão futuramente multiplicados pelas entradas, garantindo o conhecimento da rede. A camada de saída recebe os valores da camada intermediária fornecendo a resposta da rede. Figura 17: Rede neural tipo MLP (Fonte: Tatibana, 2006)

53 53 A Figura 17 apresenta uma arquitetura do tipo MLP com duas camadas intermediárias. A rede apresentada como exemplo possui todas as conexões, o que significa que um neurônio em qualquer camada da rede está conectado a todas as outras unidades (neurônios) na camada anterior. O fluxo de sinais através da rede é feito positivamente, da esquerda para a direita, camada a camada. Segundo SILVA (1998), as arquiteturas do tipo MLP constituem os modelos neurais artificiais mais utilizados e conhecidos. Tipicamente, esta arquitetura consiste de um conjunto de unidades sensoriais que formam uma camada de entrada, uma ou mais camadas intermediárias (ou escondidas) de unidades computacionais e uma camada de saída. Os sinais de entrada são propagados camada a camada pela rede em uma direção positiva, ou seja, da entrada para a saída. Esta arquitetura representa uma generalização do Perceptron apresentado anteriormente. As redes do tipo MLP têm sido utilizadas com sucesso para a solução de vários problemas envolvendo altos graus de não-linearidade. Seu treinamento é do tipo supervisionado e utiliza um algoritmo muito popular chamado retropropagação do erro (error backpropagation). Este algoritmo é baseado numa regra de aprendizagem que corrige o erro durante o treinamento (HAYKIN, 1994). A rede bem definida, com número correto de camadas, neurônios e pesos corretos, permite que a relação entre um conjunto de padrões de entrada e saídas seja processada por uma rede neural treinada e estabilizada. Figura 18: Representação das direções de propagação do sinal funcional e do erro (Fonte: Ramos, 2001) Mapeamento do Cérebro e da Máquina O dispositivo computacional mais poderoso conhecido pelo homem é o cérebro humano. Uma criança de três anos pode executar inúmeras tarefas com extrema facilidade que

54 54 foge em muito as potencialidades dos computadores mais sofisticados. Esta consegue reconhecer dúzias de rostos e centenas de objetos dos mais diferentes ângulos, em condições diferentes de luz, manipular um ambiente complexo, compreendendo e usando um vocabulário complexo incluindo gestos. Enormes esforços em pesquisas, com pouco sucesso tem sido gastos na tentativa de reproduzir em computadores versões limitadas de algumas destas potencialidades que o cérebro realiza. Em contrapartida os computadores conseguem realizar inúmeras atividades com extrema rapidez que levaria muito tempo para a maioria dos humanos, tais como complexos cálculos aritméticos com baixa probabilidade de erro. Existe um grande antagonismo entre a mente humana e os computadores, visto que a capacidade de rápido processamento aritmético é muito difícil para os humanos e tão fácil para as máquinas, em contra partida o simples reconhecimento facial é extremamente simples para humanos e tão complexo para as máquinas. Se duas cabeças pensam melhor do que uma, um cientista gostaria muito de ter uma mente extra para trabalhar. Esta mente extra o possibilitaria continuar o trabalho quando fosse descansar. De todos os dispositivos dentro da caixa de ferramentas disponíveis para um pesquisador até agora, o computador é o que mais se assemelha a uma mente podendo processar milhões de dados instantaneamente. Porém a mente humana é capaz de fazer julgamentos, o que ainda não é tão simples para os computadores, tudo que os computadores podem fazer é o que são programados pelo homem. Classificação de padrões é um exemplo de tarefa que os computadores tradicionais não conseguem fazer a menos que bem programados. Ao contrário dos humanos, a maioria dos computadores não pode lidar com situações que não tenham sido explicitamente programados para executar. Quando algo não se enquadra no programa, o computador simplesmente não processa. Redes neurais são técnicas que fazem mais do que apenas processar milhares de números. Estas ferramentas computacionais permitem o uso da experiência, quase que como humanos, permitindo trabalhar com novas situações. Até agora, cientistas encontraram pelo menos duas formas onde as redes neurais artificiais e a mente humana são similares: a) Ambas trabalham surpreendentemente bem em tarefas diversas que são problemas para técnicas computacionais tradicionais;

55 55 b) Ninguém sabe precisamente como ambas funcionam. As redes neurais artificiais aparecem como modelos matemáticos simplificados do sistema nervoso central, resultante de três componentes básicos derivados do estudo do cérebro: neurônios, forças sinápticas e mecanismos de aprendizado. Os dois primeiros componentes das redes neurais artificiais são a base construtora que determina a estrutura, tamanho e capacidade da rede. O terceiro componente, os mecanismos de aprendizado, determinam como a rede se comportará. Neurônios e forças sinápticas em redes neurais são análogas, porém não são as mesmas estruturas encontradas no cérebro. Os trabalhos reais da parte biológica são também muito complexos para serem simulados. Os modelos neurais procuram aproximar o processamento dos computadores ao cérebro. As redes neurais artificiais possuem um grau de interconexão similar à estrutura do cérebro e um moderno computador convencional, a informação é transferida em tempos específicos dentro de um relacionamento com um sinal para sincronização. Na Tabela 1 é apresentada de forma comparativa às relações existentes entre o cérebro humano e o computador. Tabela 1: Comparação entre cérebro e computador Parâmetro Cérebro Computador Material Orgânico Metal e plástico Velocidade Milisegundos Nanosegundos Tipo de Processamento Paralelo Seqüencial Armazenamento Adaptativo Estático Controle de Processos Distribuído Centralizado Número de elementos processados 10 e 11 à 10 e e 5 à 10 e 6 Ligações entre elementos processados <10 Fonte: Tatibana, 2006 O mesmo paralelo, conforme Tabela 2, pode ser traçado comparando o computador com as redes neurais. Para tanto, a comparação não se dará com um computador específico encontrado no mercado, mas sim com o paradigma predominante nos computadores atuais. Tabela 2: Comparação entre computadores e neurocomputadores Computadores Neurocomputadores Executa programas Aprende

56 56 Executa operações lógicas Depende do modelo ou do programador Testa uma hipótese por vez Fonte: Tatibana, 2006 Executa operações não lógicas, transformações, comparações Descobre as relações ou regras dos dados e exemplos Testa todas as possibilidades em paralelo Arquitetura e Topologia das Redes Neurais As conexões entre as camadas combinadas com a função de transferência na estrutura do neurônio podem gerar inúmeras estruturas diferentes. Algumas das mais utilizadas foram nomeadas pelos seus inventores como Perceptron, redes Hopfield, feedforward, etc. Segundo Laesch (1996), em relação a suas estruturas, as redes neurais devem ser consideradas divididas em diversos níveis existentes: a) Micro-Estrutura: Quais são as características de cada neurônio na rede; b) Meso-Estrutura: Como é organizada a rede; c) Macro-Estrutura: Como podem redes diferentes ser colocadas juntas para executar tarefas ou endereçar problemas de grande escala Micro-Estrutura Neural É definida pelas características apresentadas pelos neurônios que formam a rede neural. Entre as características que diferem um neurônio do outro, e que podem ser modificadas para um novo desempenho, citam-se a mudança da função de transferência e adição de novos parâmetros ou funções para a rede (tais como viés, ganho e limiares adaptativos). Viés é uma entrada adicional que pode ser acrescentada ao neurônio artificial. O valor deste viés não é adquirido de nenhum outro neurônio, mas é acrescentado dentro da estrutura do neurônio, seu peso é ajustado como os demais pesos das conexões através do aprendizado (LAESCH, 1996). Na Figura 19 e Tabela 3 se encontram algumas funções de transferência tipicamente utilizadas na construção de redes neurais artificiais.

57 57 Figura 19: Gráficos das funções de transferência (Fonte: MATLAB Versão 7.0) Tabela 3: Funções de Transferência Função Características Equação Linear Sinal Passo Hopfield/BAM Logística ou Sigmóide Fonte: Laesch, 1996 Usada tipicamente para buffers de entrada e saída de dados. É usada também em BSB e Hopfield. f ( s) = s Usada em paradifmas como perceptron + 1 se s f ( s) = 1 se s < Pode ser usada no lugar da função de transferências Perceptron, ou em BAM baseada em 0. Usada em redes Hopfield e BAM. Caso s = 0, o valor de saída do EP é igual ao valor anteriormente calculado. Função de transferência sigmoidal usada tradicionalmente em redes feedforward de aprendizagem backpropagation. Usada também em redes Hopfield, BAM e BSB. + 1 f ( s) = 0 se se + 1 f ( s) = 1 inalterado 1 1+ e s s se se se f ( s) = 2s < s s s < = Meso-Estrutura Neural Neste nível são consideradas a distribuição e a organização física dos neurônios da rede artificial. Para isso devem ser considerados:

58 58 a) Número de camadas; b) Número de neurônios por camada; c) Tipo de conexões (forward, backward, lateral); d) Grau de conectividade entre os neurônios: um a um, conectividade plena, esparsa, randômica, etc. Estas características são alteráveis em qualquer rede neural, sendo essências na distinção dos diferentes tipos de classes e arquiteturas das redes neurais. Considerando estas características, podemos identificar cinco estruturas diferentes de rede (LAESCH, 1996): a) Multicamadas: Redes feedforward; b) Camada Simples: Redes conectadas lateralmente; c) Bicamadas: Redes feedforward / feedback; d) Multicamadas: Redes cooperativas; e) Redes Híbridas Macro-Estrutura Neural Muitas vezes é difícil definir qual arquitetura de rede se encaixa melhor a um determinado problema. Segundo Laesch (1996), neste caso, deseja-se desenvolver um sistema para interagir redes neurais. Isto nos leva a considerar as macro-estruturas neurais. Estas podem ser criadas pela fusão de duas ou mais redes dentro de uma única estrutura, a qual passa a ser tratada como uma rede simples. Esta estrutura é conhecida também como redes fortemente acopladas. A maior dificuldade de projetar um sistema de redes neurais complexo é determinar o número, o tipo e o tamanho das redes, especificando seus padrões de conexões.

59 59 2 MATERIAIS E MÉTODOS 2.1 INTRODUÇÃO Neste capítulo são apresentados os materiais utilizados, a descrição dos equipamentos, as metodologias usadas no processamento das imagens dos grãos de soja. Também é feita a descrição do modelo de redes neurais (configuração/arquitetura) utilizado para a identificação dos cultivares. 2.2 ESCOLHA DOS CULTIVARES A região noroeste do Estado do Rio Grande do Sul é uma das maiores produtoras de grãos do Brasil. O município de Ijuí, inserido neste contexto, é caracterizado pela presença de uma das cooperativas mais bem preparadas para o manuseio de grãos (COTRIJUÍ Cooperativa Agropecuária e Industrial). Devido esta razão, decidiu-se fazer a escolha de cultivares de soja produzida nas últimas safras e que fazem parte da produção do grupo de associados da COTRIJUÍ. São elas: EMBRAPA 133 (BRS 133), EMBRAPA 184 (BRS 184), COODETEC 205 (CD 205), COODETEC 206 (CD 206), EMBRAPA 48 (EMB 48), SYNGENTA 8350 (NK 8350), FEPAGRO 10 (RS 10) e MONSOY 8000 RR (MSOY 8000 RR), safra 2005/ ANÁLISE ESTATÍSTICA DAS DIMENSÕES Para determinar as variações das dimensões presentes nas cultivares estudadas, foram realizadas medidas através de um paquímetro da marca Mitutoyo com calibração de 0,05mm. Escolheram-se, aleatoriamente, cinqüenta sementes de cada cultivar para as medições de comprimento, largura e espessura, sendo anotadas as medidas máximas e mínimas. Considerou-se comprimento a medida do ápice à base da semente, largura e espessura a região mediana da semente. Para cada uma das variáveis estudadas, calculou-se a média aritmética, o desvio padrão, o erro padrão e a amplitude de variação. Por fim, determinou-se a média da excentricidade e esfericidade, calculadas para cada uma das variedades.

60 APLICAÇÃO DE REDES NEURAIS NO PROCESSAMENTO DE IMAGENS Com a intenção de propor uma forma de automatizar a análise morfológica de grãos de soja na identificação de algumas cultivares e validar a utilização de redes neurais artificiais na padronização de imagens que não seguem um padrão rígido, optou-se para este trabalho o desenvolvimento de uma ferramenta (toolbox) utilizando a plataforma MATLAB Versão PROCESSAMENTO DAS IMAGENS Como visto no capítulo 1, o processamento de imagem é dividido em cinco etapas. Para a primeira etapa, a aquisição das imagens, foi adquirida imagens digitais de algumas variedades de grãos de soja. Para a realização das fotos, as sementes foram colocadas sobre uma superfície plana composta por um material presente em câmaras escuras (preto e fosco), utilizado em estúdios fotográficos. Os grãos foram fotografados por uma câmera digital Coolpix995 da marca Nikon, acoplada a um tripé e ângulo de captação superior reto de 90º, com resolução fina de 1280 x 960 pixels sob luz fluorescente. A câmera foi conectada a um adaptador que converteu as imagens em uma saída USB que por sua vez foi conectado ao computador onde as imagens foram salvas em formato JPEG. A partir da segunda etapa são executados procedimentos no software MATLAB através da ferramenta desenvolvida durante este trabalho Pixels Pixels Figura 20: Imagem original dos grãos de soja

61 61 A imagem a ser processada, ilustrada na Figura 20, é inserida ao programa onde na etapa de pré-processamento é feita a suavização em tons de cinza através da função rgb2gray, conforme Figura Pixels Pixels Figura 21: Imagem em tons de cinza Esta função retorna uma matriz, onde cada posição da matriz representa um pixel e seu valor representa um tom de cinza do referido pixel. Na próxima etapa é realizada a segmentação, onde se utilizou alguns métodos para efetuar a detecção dos contornos dos grãos. De acordo com a característica das imagens obtidas, o Método de Prewitt apresentou o melhor resultado na detecção dos contornos, conforme Figura Pixels Pixels Figura 22: Bordas detectadas pelo Método de Prewitt

62 62 Contudo, como pode ser observado, o resultado não foi satisfatório, apresentando contornos fracos e descontínuos. Assim, foi necessário realizar a dilatação dos contornos com a função imdilate, obtendo um bom resultado de acordo com a Figura Pixels Pixels Figura 23: Dilatação dos contornos A dilatação dos contornos ainda resultou em alguns contornos descontínuos, então se aplicou a função imfill, que preenche todos os grãos que possuíam contornos contínuos, como mostra a Figura Pixels Pixels Figura 24: Preenchimento dos grãos Devido à dilatação dos contornos executada anteriormente, alguns grãos perderam suas características, dificultando a identificação dos padrões nas etapas posteriores. Por isso, utilizou-se a função imerode para limpar as bordas dos grãos reduzindo a dilatação realizada

Redes neurais aplicadas na identificação de variedades de soja

Redes neurais aplicadas na identificação de variedades de soja Redes neurais aplicadas na identificação de variedades de soja Fábio R. R. Padilha Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ Rua São Francisco, 5 - Sede Acadêmica, 987-,

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

Leia mais

BENEFICIAMENTO DE SEMENTES. Silvio Moure Cicero. 1. Importância

BENEFICIAMENTO DE SEMENTES. Silvio Moure Cicero. 1. Importância 16 BENEFICIAMENTO DE SEMENTES 1. Importância Silvio Moure Cicero Em programas de produção de sementes, o processamento representa a etapa final pela o qual o lote poderá adquirir a qualidade que possibilite

Leia mais

3 Qualidade de Software

3 Qualidade de Software 3 Qualidade de Software Este capítulo tem como objetivo esclarecer conceitos relacionados à qualidade de software; conceitos estes muito importantes para o entendimento do presente trabalho, cujo objetivo

Leia mais

www.fundep.br/programacaptar, juntamente com este regulamento.

www.fundep.br/programacaptar, juntamente com este regulamento. PROGRAMA DE CAPTAÇÃO DE RECURSOS FUNDEP REGULAMENTO PARA CADASTRAMENTO DE PROJETOS UFMG A Fundep//Gerência de Articulação de Parcerias convida a comunidade acadêmica da UFMG a cadastrar propostas de acordo

Leia mais

Processamento digital de imagens. introdução

Processamento digital de imagens. introdução Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética

Leia mais

As Organizações e a Teoria Organizacional

As Organizações e a Teoria Organizacional Página 1 de 6 As Organizações e a Teoria Organizacional Autora: Sara Fichman Raskin Este texto é totalmente baseado no primeiro capítulo do livro Organizational theory: text and cases, do autor Jones Gareth,

Leia mais

Cartilha do ALUNO EMPREENDEDOR POLITÉCNICA

Cartilha do ALUNO EMPREENDEDOR POLITÉCNICA 1 Cartilha do ALUNO EMPREENDEDOR POLITÉCNICA Diretor Acadêmico: Edison de Mello Gestor do Projeto: Prof. Marco Antonio da Costa 2 1. APRESENTAÇÃO Prepare seus alunos para explorarem o desconhecido, para

Leia mais

Planificação de. Aplicações Informáticas B

Planificação de. Aplicações Informáticas B Escola básica e secundária de Velas Planificação de Aplicações Informáticas B Ano letivo 2011/2012 1- Introdução à Programação Planificação de Aplicações Informáticas B Unidade Sub-Unidades Objetivos Conteúdos

Leia mais

Administração de Pessoas

Administração de Pessoas Administração de Pessoas MÓDULO 5: ADMINISTRAÇÃO DE RECURSOS HUMANOS 5.1 Conceito de ARH Sem as pessoas e sem as organizações não haveria ARH (Administração de Recursos Humanos). A administração de pessoas

Leia mais

APLICATIVOS GRÁFICOS (AULA 4)

APLICATIVOS GRÁFICOS (AULA 4) Prof. Breno Leonardo G. de M. Araújo brenod123@gmail.com http://blog.brenoleonardo.com.br APLICATIVOS GRÁFICOS (AULA 4) 1 Classificação da imagem Em relação à sua origem pode-se classificar uma imagem,

Leia mais

Rugosidade. O supervisor de uma empresa verificou que. Um problema. Rugosidade das superfícies

Rugosidade. O supervisor de uma empresa verificou que. Um problema. Rugosidade das superfícies A UU L AL A Rugosidade O supervisor de uma empresa verificou que os trabalhos de usinagem não estavam em condições de atender aos requisitos do projeto. Por isso, contratou um técnico para explicar ao

Leia mais

ESTUDO DE VIABILIDADE. Santander, Victor - Unioeste Aula de Luiz Eduardo Guarino de Vasconcelos

ESTUDO DE VIABILIDADE. Santander, Victor - Unioeste Aula de Luiz Eduardo Guarino de Vasconcelos ESTUDO DE VIABILIDADE Santander, Victor - Unioeste Aula de Luiz Eduardo Guarino de Vasconcelos Objetivos O que é um estudo de viabilidade? O que estudar e concluir? Benefícios e custos Análise de Custo/Benefício

Leia mais

CONSIDERAÇÕES DE QC PARA TESTES POINT-OF-CARE Tradução literal *Sarah Kee

CONSIDERAÇÕES DE QC PARA TESTES POINT-OF-CARE Tradução literal *Sarah Kee CONSIDERAÇÕES DE QC PARA TESTES POINT-OF-CARE Tradução literal *Sarah Kee O teste para o paciente está cada vez mais sendo realizado no de cabeceira. Na verdade, a disponibilidade de testes point-of-care

Leia mais

Recomendada. A coleção apresenta eficiência e adequação. Ciências adequados a cada faixa etária, além de

Recomendada. A coleção apresenta eficiência e adequação. Ciências adequados a cada faixa etária, além de Recomendada Por quê? A coleção apresenta eficiência e adequação metodológica, com os principais temas relacionados a Ciências adequados a cada faixa etária, além de conceitos em geral corretos. Constitui

Leia mais

AS CONTRIBUIÇÕES DAS VÍDEO AULAS NA FORMAÇÃO DO EDUCANDO.

AS CONTRIBUIÇÕES DAS VÍDEO AULAS NA FORMAÇÃO DO EDUCANDO. AS CONTRIBUIÇÕES DAS VÍDEO AULAS NA FORMAÇÃO DO EDUCANDO. Autor: José Marcos da Silva Instituição: UFF/CMIDS E-mail: mzosilva@yahoo.com.br RESUMO A presente pesquisa tem como proposta investigar a visão

Leia mais

Do neurônio biológico ao neurônio das redes neurais artificiais

Do neurônio biológico ao neurônio das redes neurais artificiais Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais

Leia mais

Reconhecimento de Padrões Utilizando Filtros Casados

Reconhecimento de Padrões Utilizando Filtros Casados Detecção e estimação de sinais Reconhecimento de Padrões Utilizando Filtros Casados Aline da Rocha Gesualdi Mello, José Manuel de Seixas, Márcio Portes de Albuquerque, Eugênio Suares Caner, Marcelo Portes

Leia mais

4 Avaliação Experimental

4 Avaliação Experimental 4 Avaliação Experimental Este capítulo apresenta uma avaliação experimental dos métodos e técnicas aplicados neste trabalho. Base para esta avaliação foi o protótipo descrito no capítulo anterior. Dentre

Leia mais

Redes Neurais. A IA clássica segue o paradigma da computação simbólica

Redes Neurais. A IA clássica segue o paradigma da computação simbólica Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência

Leia mais

Aproveitamento dos grãos da vagem verde de soja

Aproveitamento dos grãos da vagem verde de soja Aproveitamento dos grãos da vagem verde de soja 53 Marcos César Colacino 1 ; Carolina Maria Gaspar de Oliveira 2 RESUMO A antecipação da colheita da soja resulta em uma grande quantidade de vagens verdes

Leia mais

ADMINISTRAÇÃO GERAL MOTIVAÇÃO

ADMINISTRAÇÃO GERAL MOTIVAÇÃO ADMINISTRAÇÃO GERAL MOTIVAÇÃO Atualizado em 11/01/2016 MOTIVAÇÃO Estar motivado é visto como uma condição necessária para que um trabalhador entregue um desempenho superior. Naturalmente, como a motivação

Leia mais

Diretrizes para determinação de intervalos de comprovação para equipamentos de medição.

Diretrizes para determinação de intervalos de comprovação para equipamentos de medição. Diretrizes para determinação de intervalos de comprovação para equipamentos de medição. De acordo com a Norma NBR 1001, um grande número de fatores influência a freqüência de calibração. Os mais importantes,

Leia mais

ECONTEXTO. Auditoria Ambiental e de Regularidade

ECONTEXTO. Auditoria Ambiental e de Regularidade Auditoria Ambiental e de Regularidade Organização Internacional das Entidades Fiscalizadoras Superiores - INTOSAI Grupo de Trabalho sobre Auditoria Ambiental - WGEA ECONTEXTO Este artigo é um resumo do

Leia mais

Planejamento e Gestão Estratégica

Planejamento e Gestão Estratégica Planejamento e Gestão Estratégica O Governo de Minas estabeleceu como um dos eixos norteadores da suas políticas públicas a eficiência na utilização dos recursos e a oferta de serviços com qualidade cada

Leia mais

Memória cache. Prof. Francisco Adelton

Memória cache. Prof. Francisco Adelton Memória cache Prof. Francisco Adelton Memória Cache Seu uso visa obter uma velocidade de acesso à memória próxima da velocidade das memórias mais rápidas e, ao mesmo tempo, disponibilizar no sistema uma

Leia mais

A seguir são apresentadas as etapas metodológicas da Pesquisa CNT de Rodovias.

A seguir são apresentadas as etapas metodológicas da Pesquisa CNT de Rodovias. Metodologia A Pesquisa CNT de Rodovias propõe-se a avaliar a situação das rodovias brasileiras a partir da perspectiva dos usuários da via. As características - pavimento, sinalização e geometria - são

Leia mais

Introdução. Capítulo. 1.1 Considerações Iniciais

Introdução. Capítulo. 1.1 Considerações Iniciais Capítulo 1 Introdução 1.1 Considerações Iniciais A face humana é uma imagem fascinante, serve de infinita inspiração a artistas há milhares de anos. Uma das primeiras e mais importantes habilidades humanas

Leia mais

PERDAS DE CANA E IMPUREZAS VEGETAIS E MINERAIS NA COLHEITA MECANIZADA

PERDAS DE CANA E IMPUREZAS VEGETAIS E MINERAIS NA COLHEITA MECANIZADA PERDAS DE CANA E IMPUREZAS VEGETAIS E MINERAIS NA COLHEITA MECANIZADA Mauro Sampaio Benedini Gerente Regional de Produto CTC Fernando Pedro Reis Brod Pesquisador Engª Agrícola CTC José Guilherme Perticarrari

Leia mais

Eng Civil Washington Peres Núñez Dr. em Engenharia Civil pela Universidade Federal do Rio Grande do Sul

Eng Civil Washington Peres Núñez Dr. em Engenharia Civil pela Universidade Federal do Rio Grande do Sul PESQUISA ANÁLISE DE CARACTERÍSTICAS DE QUALIDADE DE MISTURAS ASFÁLTICAS PRODUZIDAS NA ATUALIDADE NO SUL DO BRASIL E IMPACTOS NO DESEMPENHO DE PAVIMENTOS FLEXÍVEIS. MANUAL DE OPERAÇÃO DO BANCO DE DADOS

Leia mais

Matemática SSA 2 REVISÃO GERAL 1

Matemática SSA 2 REVISÃO GERAL 1 1. REVISÃO 01 Matemática SSA REVISÃO GERAL 1. Um recipiente com a forma de um cone circular reto de eixo vertical recebe água na razão constante de 1 cm s. A altura do cone mede cm, e o raio de sua base

Leia mais

Nota Técnica 113/2007 SRD/SRE/ANEEL Metodologia para Projeção de Investimentos para o Cálculo do Fator X Contribuição da Audiência Publica 052/2007

Nota Técnica 113/2007 SRD/SRE/ANEEL Metodologia para Projeção de Investimentos para o Cálculo do Fator X Contribuição da Audiência Publica 052/2007 Nota Técnica 113/2007 SRD/SRE/ANEEL Metodologia para Projeção de Investimentos para o Cálculo do Fator X Contribuição da Audiência Publica 052/2007 1 1. Estrutura do Trabalho : De forma que se pudesse

Leia mais

UNIVERSIDADE FEDERAL DE SANTA MARIA COLÉGIO TÉCNICO INDUSTRIAL DE SANTA MARIA Curso de Eletrotécnica

UNIVERSIDADE FEDERAL DE SANTA MARIA COLÉGIO TÉCNICO INDUSTRIAL DE SANTA MARIA Curso de Eletrotécnica UNIVERSIDADE FEDERAL DE SANTA MARIA COLÉGIO TÉCNICO INDUSTRIAL DE SANTA MARIA Curso de Eletrotécnica Apostila de Automação Industrial Elaborada pelo Professor M.Eng. Rodrigo Cardozo Fuentes Prof. Rodrigo

Leia mais

Unidade IV GERENCIAMENTO DE SISTEMAS. Prof. Roberto Marcello

Unidade IV GERENCIAMENTO DE SISTEMAS. Prof. Roberto Marcello Unidade IV GERENCIAMENTO DE SISTEMAS DE INFORMAÇÃO Prof. Roberto Marcello SI - Tecnologia da informação SI - Tecnologia da informação Com a evolução tecnológica surgiram vários setores onde se tem informatização,

Leia mais

Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes

Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes Isabel Cristina Costa Leite 1 2 3 Thelma Sáfadi 2 Maria Laene Moreira de Carvalho 4 1 Introdução A análise

Leia mais

c. Técnica de Estrutura de Controle Teste do Caminho Básico

c. Técnica de Estrutura de Controle Teste do Caminho Básico 1) Defina: a. Fluxo de controle A análise de fluxo de controle é a técnica estática em que o fluxo de controle através de um programa é analisado, quer com um gráfico, quer com uma ferramenta de fluxo

Leia mais

Medição tridimensional

Medição tridimensional A U A UL LA Medição tridimensional Um problema O controle de qualidade dimensional é tão antigo quanto a própria indústria, mas somente nas últimas décadas vem ocupando a importante posição que lhe cabe.

Leia mais

O homem transforma o ambiente

O homem transforma o ambiente Acesse: http://fuvestibular.com.br/ O homem transforma o ambiente Vimos até agora que não dá para falar em ambiente sem considerar a ação do homem. Nesta aula estudaremos de que modo as atividades humanas

Leia mais

Trabalho 7 Fila de prioridade usando heap para simulação de atendimento

Trabalho 7 Fila de prioridade usando heap para simulação de atendimento Trabalho 7 Fila de prioridade usando heap para simulação de atendimento Data: 21/10/2013 até meia-noite Dúvidas até: 09/10/2013 Faq disponível em: http://www2.icmc.usp.br/~mello/trabalho07.html A estrutura

Leia mais

Refração da Luz Índice de refração absoluto Índice de refração relativo Leis da refração Reflexão total da luz Lentes Esféricas Vergência de uma lente

Refração da Luz Índice de refração absoluto Índice de refração relativo Leis da refração Reflexão total da luz Lentes Esféricas Vergência de uma lente Refração da Luz Índice de refração absoluto Índice de refração relativo Leis da refração Reflexão total da luz Lentes Esféricas Vergência de uma lente Introdução Você já deve ter reparado que, quando colocamos

Leia mais

PROJETO DE REDES www.projetoderedes.com.br

PROJETO DE REDES www.projetoderedes.com.br PROJETO DE REDES www.projetoderedes.com.br Curso de Tecnologia em Redes de Computadores Disciplina: Tópicos Avançados II 5º período Professor: José Maurício S. Pinheiro AULA 3: Políticas e Declaração de

Leia mais

Prof. Fernando Lopes. Unidade II. Administração de Cargos e

Prof. Fernando Lopes. Unidade II. Administração de Cargos e Prof. Fernando Lopes Unidade II Administração de Cargos e Salários Conforme Chiavenato (2004, p. 267), a avaliação de cargos visa a obtenção de dados que permitirão uma conclusão acerca do valor interno

Leia mais

7 etapas para construir um Projeto Integrado de Negócios Sustentáveis de sucesso

7 etapas para construir um Projeto Integrado de Negócios Sustentáveis de sucesso 7 etapas para construir um Projeto Integrado de Negócios Sustentáveis de sucesso Saiba como colocar o PINS em prática no agronegócio e explore suas melhores opções de atuação em rede. Quando uma empresa

Leia mais

Introdução Ciclo de vida tradicional de desenvolvimento Prototipagem Pacotes de software Desenvolvimento de 4ª geração Terceirização

Introdução Ciclo de vida tradicional de desenvolvimento Prototipagem Pacotes de software Desenvolvimento de 4ª geração Terceirização Prof. Ricardo José Pfitscher Material elaborado com base em: José Luiz Mendes Gerson Volney Lagemann Introdução Ciclo de vida tradicional de desenvolvimento Prototipagem Pacotes de software Desenvolvimento

Leia mais

UTILIZANDO O HISTOGRAMA COMO UMA FERRAMENTA ESTATÍSTICA DE ANÁLISE DA PRODUÇÃO DE ÁGUA TRATADA DE GOIÂNIA

UTILIZANDO O HISTOGRAMA COMO UMA FERRAMENTA ESTATÍSTICA DE ANÁLISE DA PRODUÇÃO DE ÁGUA TRATADA DE GOIÂNIA UTILIZANDO O HISTOGRAMA COMO UMA FERRAMENTA ESTATÍSTICA DE ANÁLISE DA PRODUÇÃO DE ÁGUA TRATADA DE GOIÂNIA Edson Kurokawa (*) Engenheiro Civil pela UFG e Mestre em Engenharia de Produção pela UFSC. Trabalha

Leia mais

Copyright Proibida Reprodução. Prof. Éder Clementino dos Santos

Copyright Proibida Reprodução. Prof. Éder Clementino dos Santos NOÇÕES DE OHSAS 18001:2007 CONCEITOS ELEMENTARES SISTEMA DE GESTÃO DE SSO OHSAS 18001:2007? FERRAMENTA ELEMENTAR CICLO DE PDCA (OHSAS 18001:2007) 4.6 ANÁLISE CRÍTICA 4.3 PLANEJAMENTO A P C D 4.5 VERIFICAÇÃO

Leia mais

Aula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística

Aula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa

Leia mais

Evolução da cooperação em populações modeladas por autômatos celulares com o uso de teoria de jogos

Evolução da cooperação em populações modeladas por autômatos celulares com o uso de teoria de jogos Geração de modelos de redes com verificação dos parâmetros topológicos Prof. Pedro Schimit - schimit@uninove.br Muitas coisas podem ser modeladas a partir de modelos de redes (ou grafos). A maneira como

Leia mais

Banco de Dados Orientado a Objetos

Banco de Dados Orientado a Objetos Banco de Dados Orientado a Objetos MODELAGEM, ANÁLISE, PROJETO e CLASSIFICAÇÃO Interação combinando lógica, através de objetos que contém os dados. Estes divididos conforme seus tipos e métodos (classe),

Leia mais

MANUAL DE TRABALHO INTERDISCIPLINAR TI - INTEGRADOR FAN CEUNSP

MANUAL DE TRABALHO INTERDISCIPLINAR TI - INTEGRADOR FAN CEUNSP MANUAL DE TRABALHO INTERDISCIPLINAR TI - INTEGRADOR FAN CEUNSP Salto 2010 MANUAL DE TRABALHO INTERDISCIPLINAR TI / INTEGRADOR 0 SUMÁRIO APRESENTAÇÃO... 2 TRABALHO INTERDISCIPLINAR (TI)... 3 ORGANIZAÇÃO...

Leia mais

PERFIL EMPREENDEDOR DOS APICULTORES DO MUNICIPIO DE PRUDENTÓPOLIS

PERFIL EMPREENDEDOR DOS APICULTORES DO MUNICIPIO DE PRUDENTÓPOLIS PERFIL EMPREENDEDOR DOS APICULTORES DO MUNICIPIO DE PRUDENTÓPOLIS Elvis Fabio Roman (Bolsista programa universidade sem fronteiras/projeto associativismo apícola no município de Prudentópolis), e-mail:

Leia mais

AULA 04. UPOV União Internacional para a Proteção das Obtenções Vegetais

AULA 04. UPOV União Internacional para a Proteção das Obtenções Vegetais AULA 04 UPOV União Internacional para a Proteção das Obtenções Vegetais Profª. Marcela Carlota Nery PRODUÇÃO E TECNOLOGIA DE SEMENTES Propriedade Intelectual em Plantas (UPOV) Conceito: É o direito de

Leia mais

FEUP - 2010 RELATÓRIO DE CONTAS BALANÇO

FEUP - 2010 RELATÓRIO DE CONTAS BALANÇO relatório de contas 2 FEUP - 2010 RELATÓRIO DE CONTAS BALANÇO FEUP - 2010 RELATÓRIO DE CONTAS 3 4 FEUP - 2010 RELATÓRIO DE CONTAS DEMONSTRAÇÃO DOS RESULTADOS POR NATUREZAS DEMONSTRAÇÃO DOS FLUXOS DE CAIXA

Leia mais

08/05/2009. Cursos Superiores de. Prof.: Fernando Hadad Zaidan. Disciplina: PIP - Projeto Integrador de Pesquisa. Objetivos gerais e específicos

08/05/2009. Cursos Superiores de. Prof.: Fernando Hadad Zaidan. Disciplina: PIP - Projeto Integrador de Pesquisa. Objetivos gerais e específicos Faculdade INED Cursos Superiores de Tecnologia Disciplina: PIP - Projeto Integrador de Pesquisa Objetivos gerais e específicos Objetivo resultado a alcançar; Geral dá resposta ao problema; Específicos

Leia mais

PROCEDIMENTO GERAL. Identificação e Avaliação de Aspectos e Impactos Ambientais

PROCEDIMENTO GERAL. Identificação e Avaliação de Aspectos e Impactos Ambientais PÁG. 1/8 1. OBJETIVO Definir a sistemática para identificação e avaliação contínua dos aspectos ambientais das atividades, produtos, serviços e instalações a fim de determinar quais desses tenham ou possam

Leia mais

Utilização do óleo vegetal em motores diesel

Utilização do óleo vegetal em motores diesel 30 3 Utilização do óleo vegetal em motores diesel O óleo vegetal é uma alternativa de combustível para a substituição do óleo diesel na utilização de motores veiculares e também estacionários. Como é um

Leia mais

Sistemas de Informação I

Sistemas de Informação I + Sistemas de Informação I Teoria geral dos sistemas Ricardo de Sousa Britto rbritto@ufpi.edu.br + Introdução n Necessário entender inicialmente os conceitos básicos e base filosófica que norteiam sistemas

Leia mais

Válvulas de Controle-"Case"- Copesul. Nelzo Luiz Neto da Silva 1 Jader Weber Brum 2

Válvulas de Controle-Case- Copesul. Nelzo Luiz Neto da Silva 1 Jader Weber Brum 2 Válvulas de Controle-"Case"- Copesul Nelzo Luiz Neto da Silva 1 Jader Weber Brum 2 RESUMO Visando rever conceitos, procedimentos, estratégias e tecnologias voltadas para a manutenção de válvulas, partimos

Leia mais

Projeto de inovação do processo de monitoramento de safra da Conab

Projeto de inovação do processo de monitoramento de safra da Conab Projeto de inovação do processo de monitoramento de safra da Conab Projeto elaborado por Lorenzo Seguini lorenzo_seguini@yahoo.it Projeto Diálogos Setoriais União Europeia - Brasil 1 Sumário 1. Introdução...3

Leia mais

Algodão colorido. Atividade de Aprendizagem 20. Eixo(s) temático(s) Vida e ambiente; ciência e tecnologia

Algodão colorido. Atividade de Aprendizagem 20. Eixo(s) temático(s) Vida e ambiente; ciência e tecnologia Atividade de Aprendizagem 20 Algodão colorido Eixo(s) temático(s) Vida e ambiente; ciência e tecnologia Tema Água e vida / uso dos recursos naturais / desequilíbrio ambiental e desenvolvimento sustentável

Leia mais

Ementas Disciplinas Eletivas

Ementas Disciplinas Eletivas Ementas Disciplinas Eletivas INFORMÁTICA Administração de Redes CH: 60 h Créditos: 2.1.0 Pré-requisito(s): Redes de Computadores II Conceitos e políticas de administração de redes. Gerência de redes e

Leia mais

Proposta para que o PAA possa apoiar a regularização ambiental

Proposta para que o PAA possa apoiar a regularização ambiental Proposta para que o PAA possa apoiar a regularização ambiental Considerando a Diretriz 2 do Plano Nacional de Segurança Alimentar: Promoção do abastecimento e estruturação de sistemas descentralizados,

Leia mais

Reconhecer as diferenças

Reconhecer as diferenças A U A UL LA Reconhecer as diferenças Nesta aula, vamos aprender que os solos são o resultado mais imediato da integração dos processos físicos e biológicos na superfície da Terra. A formação e o desenvolvimento

Leia mais

DIRETRIZES E PARÂMETROS DE AVALIAÇÃO DE PROPOSTAS DE CURSOS NOVOS DE MESTRADO PROFISSIONAL

DIRETRIZES E PARÂMETROS DE AVALIAÇÃO DE PROPOSTAS DE CURSOS NOVOS DE MESTRADO PROFISSIONAL DIRETRIZES E PARÂMETROS DE AVALIAÇÃO DE PROPOSTAS DE CURSOS NOVOS DE MESTRADO PROFISSIONAL I) Apresentação Este documento descreve as diretrizes e parâmetros de avaliação de mestrado profissional em Administração,

Leia mais

Sumário FPD Formulário de projeto P&D...4

Sumário FPD Formulário de projeto P&D...4 1 de 22 Sumário FPD Formulário de projeto P&D...4 Introdução...4 Cadastrando e atualizando dados de projetos de P&D...4 Cadastrando novo projeto...5 Cadastrando coordenador do projeto...5 Cadastrando dados

Leia mais

1º Trabalho: Resumo e Reflexão de duas mensagens dos grupos de Matemática do Yahoo.

1º Trabalho: Resumo e Reflexão de duas mensagens dos grupos de Matemática do Yahoo. 1º Trabalho: Resumo e Reflexão de duas mensagens dos grupos de Matemática do Yahoo. Disciplina: Meios Computacionais no Ensino Professor: Jaime Carvalho e Silva Aluno: Rafael Ferreira de Camargos Sousa

Leia mais

4 Experimentos Computacionais

4 Experimentos Computacionais 33 4 Experimentos Computacionais O programa desenvolvido neste trabalho foi todo implementado na linguagem de programação C/C++. Dentre as bibliotecas utilizadas, destacamos: o OpenCV [23], para processamento

Leia mais

Q-Acadêmico. Módulo CIEE - Estágio. Revisão 01

Q-Acadêmico. Módulo CIEE - Estágio. Revisão 01 Q-Acadêmico Módulo CIEE - Estágio Revisão 01 SUMÁRIO 1. VISÃO GERAL DO MÓDULO... 2 1.1 PRÉ-REQUISITOS... 2 2. ORDEM DE CADASTROS PARA UTILIZAÇÃO DO MÓDULO CIEE... 3 2.1 CADASTRANDO EMPRESAS... 3 2.1.1

Leia mais

150 ISSN 1679-0162 Sete Lagoas, MG Dezembro, 2007

150 ISSN 1679-0162 Sete Lagoas, MG Dezembro, 2007 150 ISSN 1679-0162 Sete Lagoas, MG Dezembro, 2007 A evolução da produção de milho no Mato Grosso: a importância da safrinha Jason de Oliveira Duarte 1 José Carlos Cruz 2 João Carlos Garcia 3 Introdução

Leia mais

7 Conclusões e caminhos futuros

7 Conclusões e caminhos futuros 7 Conclusões e caminhos futuros Esta pesquisa teve como objetivo estudar a interação em um fórum de discussão online de um curso híbrido de formação de professores de inglês, com ensino presencial e a

Leia mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

ATIVIDADES PRÁTICAS SUPERVISIONADAS

ATIVIDADES PRÁTICAS SUPERVISIONADAS ATIVIDADES PRÁTICAS SUPERVISIONADAS Engenharia Mecânica 9ª Série Fabricação Assistida por Computador A atividade prática supervisionada (ATPS) é um método de ensinoaprendizagem desenvolvido por meio de

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem

Leia mais

1 Introdução 1.1. A necessidade de se reforçar os solos

1 Introdução 1.1. A necessidade de se reforçar os solos 1 Introdução 1.1. A necessidade de se reforçar os solos Um dos muitos desafios dos engenheiros geotécnicos é garantir, através de um projeto de engenharia, que um determinado solo resista mecanicamente

Leia mais

Segurança e Saúde dos Trabalhadores

Segurança e Saúde dos Trabalhadores Segurança e Saúde dos Trabalhadores [1]CONVENÇÃO N. 155 I Aprovada na 67ª reunião da Conferência Internacional do Trabalho (Genebra 1981), entrou em vigor no plano internacional em 11.8.83. II Dados referentes

Leia mais

INTRODUÇÃO À ROBÓTICA

INTRODUÇÃO À ROBÓTICA Material de estudo 2010 INTRODUÇÃO À ROBÓTICA André Luiz Carvalho Ottoni Introdução à Robótica Capítulo 1 - Introdução Robótica é um ramo da tecnologia que engloba mecânica, eletrônica e computação, que

Leia mais

A NECESSIDADE DE UMA NOVA VISÃO DO PROJETO NOS CURSOS DE ENGENHARIA CIVIL, FRENTE À NOVA REALIDADE DO SETOR EM BUSCA DA QUALIDADE

A NECESSIDADE DE UMA NOVA VISÃO DO PROJETO NOS CURSOS DE ENGENHARIA CIVIL, FRENTE À NOVA REALIDADE DO SETOR EM BUSCA DA QUALIDADE A NECESSIDADE DE UMA NOVA VISÃO DO PROJETO NOS CURSOS DE ENGENHARIA CIVIL, FRENTE À NOVA REALIDADE DO SETOR EM BUSCA DA QUALIDADE ULRICH, Helen Departamento de Engenharia de Produção - Escola de Engenharia

Leia mais

Aula 1: Demonstrações e atividades experimentais tradicionais e inovadoras

Aula 1: Demonstrações e atividades experimentais tradicionais e inovadoras Aula 1: Demonstrações e atividades experimentais tradicionais e inovadoras Nesta aula trataremos de demonstrações e atividades experimentais tradicionais e inovadoras. Vamos começar a aula retomando questões

Leia mais

PRODUÇÃO CARTOGRÁFICA UD 5 CONTROLE DE QUALIDADE

PRODUÇÃO CARTOGRÁFICA UD 5 CONTROLE DE QUALIDADE UD 5 CONTROLE DE QUALIDADE Qualidade É o grau de adequação do produto às suas especificações. Grau de perfeição a atingir. Pode-se também dizer que ela é a melhor forma de atender às necessidades do consumidor,

Leia mais

Curso e-learning CEP Controle Estatístico de Processo

Curso e-learning CEP Controle Estatístico de Processo Curso e-learning CEP Controle Estatístico de Processo Todos os direitos de cópia reservados. Não é permitida a distribuição física ou eletrônica deste material sem a permissão expressa do autor. Objetivos

Leia mais

Pedagogia Estácio FAMAP

Pedagogia Estácio FAMAP Pedagogia Estácio FAMAP # Objetivos Gerais: O Curso de Graduação em Pedagogia da Estácio FAMAP tem por objetivo geral a formação de profissionais preparados para responder às diferenciadas demandas educativas

Leia mais

UTILIZANDO BLOG PARA DIVULGAÇÃO DO PROJETO MAPEAMENTO DE PLANTAS MEDICINAIS RESUMO

UTILIZANDO BLOG PARA DIVULGAÇÃO DO PROJETO MAPEAMENTO DE PLANTAS MEDICINAIS RESUMO 1 UTILIZANDO BLOG PARA DIVULGAÇÃO DO PROJETO MAPEAMENTO DE PLANTAS MEDICINAIS Adriana Oliveira Bernardes 1 RESUMO Atualmente os blogs vêm sendo utilizadas no processo de ensino aprendizagem dos alunos

Leia mais

SIG. Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e de transportes

SIG. Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e de transportes SIG Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e de transportes SIG Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e

Leia mais

PROFESSORES DE CIÊNCIAS E SUAS ATUAÇÕES PEDAGÓGICAS

PROFESSORES DE CIÊNCIAS E SUAS ATUAÇÕES PEDAGÓGICAS PROFESSORES DE CIÊNCIAS E SUAS ATUAÇÕES PEDAGÓGICAS PIAIA, Thaís; RICHTER, Luciana Iniciação Científica - Curso de Ciências Biológicas financiado pelo Programa PEIPSM/UFSM Universidade Federal de Santa

Leia mais

PROCEDIMENTOS DE AUDITORIA INTERNA

PROCEDIMENTOS DE AUDITORIA INTERNA 1/8 Sumário 1 Objetivo 2 Aplicação 3 Documentos complementares 4 Definições 5 Procedimento 1 Objetivo Este Procedimento tem como objetivo descrever a rotina aplicável aos procedimentos de auditoria interna

Leia mais

6. Pronunciamento Técnico CPC 23 Políticas Contábeis, Mudança de Estimativa e Retificação de Erro

6. Pronunciamento Técnico CPC 23 Políticas Contábeis, Mudança de Estimativa e Retificação de Erro TÍTULO : PLANO CONTÁBIL DAS INSTITUIÇÕES DO SISTEMA FINANCEIRO NACIONAL - COSIF 1 6. Pronunciamento Técnico CPC 23 Políticas Contábeis, Mudança de Estimativa e Retificação de Erro 1. Aplicação 1- As instituições

Leia mais

SOJAVAR UM SOFTWARE SOBRE CARACTERÍSTICAS MORFOLÓGICAS E REAÇÃO À DOENÇAS DE VARIEDADES DE SOJA INDICADAS PARA CULTIVO NO SUL DO BRASIL

SOJAVAR UM SOFTWARE SOBRE CARACTERÍSTICAS MORFOLÓGICAS E REAÇÃO À DOENÇAS DE VARIEDADES DE SOJA INDICADAS PARA CULTIVO NO SUL DO BRASIL SOJAVAR UM SOFTWARE SOBRE CARACTERÍSTICAS MORFOLÓGICAS E REAÇÃO À DOENÇAS DE VARIEDADES DE SOJA INDICADAS PARA CULTIVO NO SUL DO BRASIL BONETTI, Luiz Pedro¹; ANTONIAZZI, Rodrigo Luiz¹; BECKER, Fabiano²

Leia mais

Aplicação de Nitrogênio em Cobertura no Feijoeiro Irrigado*

Aplicação de Nitrogênio em Cobertura no Feijoeiro Irrigado* ISSN 1678-9636 Aplicação de Nitrogênio em Cobertura no Feijoeiro Irrigado* 49 O feijoeiro é uma das principais culturas plantadas na entressafra em sistemas irrigados nas regiões Central e Sudeste do Brasil.

Leia mais

GESTÃO COLETIVA NO AMBIENTE DIGITAL

GESTÃO COLETIVA NO AMBIENTE DIGITAL GESTÃO COLETIVA NO AMBIENTE DIGITAL CONTEXTO A gestão coletiva de direitos autorais é uma das formas com que os autores podem garantir de maneira efetiva os seus direitos. Disciplinada no ordenamento jurídico

Leia mais

REGULAMENTO. 10º Prêmio de Responsabilidade Social

REGULAMENTO. 10º Prêmio de Responsabilidade Social REGULAMENTO 10º Prêmio de Responsabilidade Social I DA INSTITUIÇÃO DA PREMIAÇÃO II DAS CATEGORIAS III DAS INSCRIÇÕES IV DOS PROJETOS V DO JULGAMENTO VI DAS DATAS VII DA COORDENAÇÃO I DA INSTITUIÇÃO DA

Leia mais

ADMINISTRAÇÃO GERAL GESTÃO DO DESEMPENHO

ADMINISTRAÇÃO GERAL GESTÃO DO DESEMPENHO ADMINISTRAÇÃO GERAL GESTÃO DO DESEMPENHO Atualizado em 30/12/2015 GESTÃO DE DESEMPENHO A gestão do desempenho constitui um sistemático de ações que buscam definir o conjunto de resultados a serem alcançados

Leia mais

ESTUDO DA ESPACIALIDADE DO LIMITE DE PLASTICIDADE E DA MASSA ESPECIFICA APARENTE SECA EM UM SOLO MANEJADO SOB PLANTIO DIRETO RESUMO

ESTUDO DA ESPACIALIDADE DO LIMITE DE PLASTICIDADE E DA MASSA ESPECIFICA APARENTE SECA EM UM SOLO MANEJADO SOB PLANTIO DIRETO RESUMO ESTUDO DA ESPACIALIDADE DO LIMITE DE PLASTICIDADE E DA MASSA ESPECIFICA APARENTE SECA EM UM SOLO MANEJADO SOB PLANTIO DIRETO Ródney Ferreira Couto 1 ; Elton Fialho dos Reis 2 ; Antônio Lazaro Ferreira

Leia mais

COMPORTAMENTO GERMINATIVO DE DIFERENTES CULTIVARES DE GIRASSOL SUBMETIDAS NO REGIME DE SEQUEIRO

COMPORTAMENTO GERMINATIVO DE DIFERENTES CULTIVARES DE GIRASSOL SUBMETIDAS NO REGIME DE SEQUEIRO COMPORTAMENTO GERMINATIVO DE DIFERENTES CULTIVARES DE GIRASSOL SUBMETIDAS NO REGIME DE SEQUEIRO Autor 1 Renata Fernandes de Matos Autor 2 Edilza Maria Felipe Vásquez Autor 3 Leonardo Lenin Marquez de Brito

Leia mais

ENSINO DE BIOLOGIA E O CURRÍCULO OFICIAL DO ESTADO DE SÃO PAULO: UMA REFLEXÃO INICIAL.

ENSINO DE BIOLOGIA E O CURRÍCULO OFICIAL DO ESTADO DE SÃO PAULO: UMA REFLEXÃO INICIAL. ENSINO DE BIOLOGIA E O CURRÍCULO OFICIAL DO ESTADO DE SÃO PAULO: UMA REFLEXÃO INICIAL. Jessica Pampolini (Licenciatura em Ciências Biológicas ESALQ/USP, jessica.pampolini@usp.br) Tais Cavallaro Martins

Leia mais

No manual da webcam, ele descobriu que seu sensor de imagem tem dimensão total útil de 2

No manual da webcam, ele descobriu que seu sensor de imagem tem dimensão total útil de 2 1. (Ufsc 2015) Fotografar é uma arte que se popularizou com os celulares e se intensificou com as redes sociais, pois todos querem postar, publicar os seus registros, suas selfies. Talvez alguns celulares

Leia mais

Gerenciamento de Entrada e Saída Hélio Crestana Guardia e Hermes Senger

Gerenciamento de Entrada e Saída Hélio Crestana Guardia e Hermes Senger Gerenciamento de Entrada e Saída Hélio Crestana Guardia e Hermes Senger O controle da entrada e saída (E/S ou I/O, input/output) de dados dos dispositivos é uma das funções principais de um sistema operacional.

Leia mais

IMPLANTAÇÃO DOS PILARES DA MPT NO DESEMPENHO OPERACIONAL EM UM CENTRO DE DISTRIBUIÇÃO DE COSMÉTICOS. XV INIC / XI EPG - UNIVAP 2011

IMPLANTAÇÃO DOS PILARES DA MPT NO DESEMPENHO OPERACIONAL EM UM CENTRO DE DISTRIBUIÇÃO DE COSMÉTICOS. XV INIC / XI EPG - UNIVAP 2011 IMPLANTAÇÃO DOS PILARES DA MPT NO DESEMPENHO OPERACIONAL EM UM CENTRO DE DISTRIBUIÇÃO DE COSMÉTICOS. XV INIC / XI EPG - UNIVAP 2011 Rogério Carlos Tavares 1, José Luis Gomes da Silva² 1 Universidade de

Leia mais